[发明专利]一种基于深度神经网络的船舰目标实时检测方法有效
| 申请号： | 201910994505.7 | 申请日： | 2019-10-18 |
| 公开（公告）号： | CN110796048B | 公开（公告）日： | 2022-11-04 |
| 发明（设计）人： | 汪鼎文;陈曦;王泉德;孙世磊;瞿涛 | 申请（专利权）人： | 武汉大学 |
| 主分类号： | G06V20/13 | 分类号： | G06V20/13;G06V10/762;G06V10/764;G06V10/82;G06N3/04;G06N3/08 |
| 代理公司： | 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 | 代理人： | 罗飞 |
| 地址： | 430072 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度神经网络的船舰目标实时检测方法。首先，建立针对小目标检测的实时深度神经网络模型；然后根据预设初始训练样本集构建小目标训练样本集，并进行目标最优尺寸范围测定；接着进行ROO训练，获得初始深度神经网络模型；再进行OHEM训练：利用初始深度神经网络模型对预设初始训练样本集进行舰船目标检测，并将检测中出现的困难负样本加入到困难负样本集，然后利用困难负样本集中的样本对初始深度神经网络模型进行训练，得到优化后的深度神经网络模型；最后，建立遥感影像金字塔模型，并利用优化后的深度神经网络从金字塔底层开始，逐层进行舰船目标检测。本发明的方法可以大大提高检测的速度和精度。 | ||
| 搜索关键词： | 一种 基于 深度 神经网络 船舰 目标 实时 检测 方法 | ||
【主权项】：
1.一种基于深度神经网络的船舰目标实时检测方法，其特征在于，包括：/n步骤S1：建立针对小目标检测的实时深度神经网络模型；/n步骤S2：根据预设初始训练样本集构建小目标训练样本集，并进行目标最优尺寸范围测定，获得OSIT范围；/n步骤S3：基于测定的OSIT范围，利用小目标训练样本集对S1中针对小目标检测的实时深度神经网络模型进行训练，获得初始深度神经网络模型；/n步骤S4：利用S3训练得到的初始深度神经网络模型对预设初始训练样本集进行舰船目标检测，得到检测结果，然后将检测中出现的困难负样本加入到困难负样本集，然后利用困难负样本集中的样本对S3训练得到的初始深度神经网络模型进行训练，得到优化后的深度神经网络模型。其中，检测结果为检测到的舰船目标框中置信度大于置信度阈值C
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于武汉大学，未经武汉大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910994505.7/，转载请声明来源钻瓜专利网。
