[发明专利]一种船目标精确检测与分割方法

权利要求书

1.一种船目标精确检测与分割方法，其特征在于包括以下步骤：

(S1)训练深度卷积神经网络模型，具体为，

(S11)采集包含船目标的样本图像组成样本图像集，并对样本图像集进行预处理；

(S12)人工标注样本图像中的船目标；

(S13)将样本图像输入深度卷积神经网络进行特征提取，输出特征图；所述特征图为深度卷积神经网络最后一层的输出结果；

(S14)预先设置多个旋转框，在特征图的每个像素点上滑动预设的旋转框，提取每个旋转框中的像素点，通过旋转金字塔池化方法输出相同维度的特征向量；将每个特征向量输入全连接层,并输出每个旋转框内含有目标的概率值，选取概率值超过阈值的旋转框作为感兴趣区域；

(S15)依据人工标注情况，选取感兴趣区域与目标匹配度大于α的旋转框为正样本，目标匹配度小于β的为旋转框为负样本，β、α均为常数且0<β<α<1；用选取的正样本和负样本对深度卷积神经网络模型进行训练；

(S16)将特征向量分别输入深度卷积神经网络的三个全连接层，计算置信度损失值、位置损失值和分割掩码损失值，并将三个损失值相加得到总损失值，

若总损失值达到设定的数值范围，则结束模型训练，转入步骤(S2)；否则，扩增样本图像，返回步骤(S11)继续执行模型训练；

(S2)获取待检测与分割图像，输入步骤(S1)中的深度卷积神经网络模型，输出船目标结果。

2.如权利要求1所述的一种船目标精确检测与分割方法，其特征在于，所述步骤(S11)中的对样本图像集进行预处理具体为：

(S111)计算每张样本图像中船目标的密集程度值，所述密集程度值为目标与最近邻目标之间像素点的最近距离；

(S112)搜索样本图像集中所有样本图像的密集程度值小于其旋转包围框的短边长度的船目标对；

(S113)步骤(S112)中得到的船目标对做切片处理，并进行随机缩放，随机剪裁，水平翻转，灰度变换、饱和度变化处理之后，更新到样本图像集中。

3.如权利要求1所述的一种船目标精确检测与分割方法，其特征在于，所述步骤(S12)中人工标注样本图像中的船目标具体过程为：对样本图像中的船目标进行像素级的人工标注，若单幅样本图像中存在多个船目标，则进行多个标注，根据每个船目标的标注掩膜生成最小外接矩。

4.如权利要求1所述的一种船目标精确检测与分割方法，其特征在于所述步骤(S14)中预先设置多个旋转框具体过程为：预先设置的旋转框总个数为12个，分成4个形状相同、朝向不同的组合结构，每个组合结构由3个尺度不同的矩形框组成，所述3个尺度不同的矩形框的长边相互平行、中心重合；所述4个组合结构的中心重合。

5.如权利要求1所述的一种船目标精确检测与分割方法，其特征在于所述步骤(S14)中通过旋转金字塔池化方法输出相同维度的特征向量具体过程为：

(S141)分别将每个旋转框划分为若干个面积相同的栅格；

(S142)将每个栅格分为面积相同的2×2的四个小方格，找出每个小方格的中心点及其距离最近的四个像素点的值，利用双线性插值法得到该中心点的像素值；

(S143)分别求取每个栅格中四个小方格中心点像素值的最大值，作为该栅格的池化值；将所有栅格的池化值拼接得到特征向量；

经过步骤(S141)-(S143)的处理，每个旋转框对应得到一个特征向量。

6.如权利要求1所述的一种船目标精确检测与分割方法，其特征在于所述步骤(S15)中感兴趣区域与目标匹配度IoU的计算公式为：

s_i代表感兴趣区域的像素点，代表人工标注船目标的像素点。