[发明专利]一种遥感图像多方向舰船目标检测方法

权利要求书

1.一种遥感图像多方向舰船目标检测方法，其特征在于使用自适应区域生成网络来生成候选框，包括如下步骤：

S1、特征提取骨干网络ResNet进行特征提取，输出特征图；

S2、特征图送入特征金字塔网络进行特征融合；

S3、自适应区域生成网络在特征金字塔输出的特征图上生成锚框，输出与标注框匹配度最高的一组k个锚框作为候选框输出；

S4、旋转感兴趣区域对齐，微调候选框；

S5、旋转非最大值抑制，输出检测结果；

步骤S3自适应区域生成网络生成锚框包括如下步骤：

位置预测网络：

第一步，将(x,y,w,h,θ)映射到对应不同尺寸的特征图中，得到(x’,y’,w’,h’,θ’)；

第二步，根据数据集标注的边界框指导实验中二进制标签的生成：将中心为(x,y),大小为σ×(w cosθ+h sinθ)×(w sinθ+h cosθ)的矩形区域定义为目标中心区域，其中σ＜0.2时为目标绝对中心区域，标记为1；σ∈(0.2,0.5]时为目标中心可能区域不进行标记；σ＞0.5为非目标中心区域，标记为0；

第三步，进行网络训练，经过卷积层和sigmoid函数转化，得出每个位置存在目标中心的概率，输出概率大于的中心点预测值(x₀,y₀)；

(x,y,w,h,θ)为数据集标注的斜框边界框，(x,y)为中心点坐标，w为宽度，h为高度，θ为角度；σ是一个比例系数，范围取(0,1)；(w cosθ+h sinθ)×(w sinθ+h cosθ)为斜框对应的垂直框的宽度×高度；

在确定目标的可能位置之后，形状预测分支确定每个位置目标的形状：

第一步，对输入特征图进行卷积得出形状特征变量；

第二步，设锚框的比例为{1:7,1:5,1:3,1:2,1,2,3,5,7}，在目标位置生成不同形状的锚框；

第三步，计算生成锚框与标注边界框之间的IoU，输出与标注框匹配度最高的一组k个锚框作为候选框，k取[1000,2000]；

第三步，将(dw,dh,dθ)转化为(w,h,θ)，输出到下一阶段进一步调整，公式下所示:

w＝σ·s·e^dw,h＝σ·s·e^dh,θ＝σ·s·e^dh

公式中，(w,h,θ)是锚框形状变量，(dw,dh,dθ)是标准化的形状特征变量，s是步幅，σ是一个比例系数(实验中取8)；{1:7,1:5,1:3,1:2,1,2,3,5,7}是根据舰船的形状特征设置的一组初始锚框长宽比；

特征自适应模块N_T生成新的特征图F1，N_T为3×3可变形卷积，公式如下；

y(p₀)＝∑w(p_n)·x(p₀+p_n+Δp_n)

公式中，x(p_n)特征图F中第n个位置的特征，Δp_n为该位置对应的锚形状偏移量，w(p_n)为卷积核；

损失函数：

自适应区域生成网络引入了锚框位置预测损失L_loc和锚框形状预测损失L_shape两种附加损失，进行共同优化，损失函数如下所示:

L＝λ₁L_loc+λ₂L_shape+L_cls+L_reg

实验中取λ₁为1，λ₂取为0.1，其中位置预测损失函数L_loc为sigmoid_focal_loss：

α是平衡正样本和负样本的超参数，默认值设置为0.25；γ是平衡易分样本和难分样本的超参数，默认值设置为2.0；x_i,j表示样本的分类预测值；y_i,0表示样本的分类目标值。

式中w为预测宽度，w_g为标注宽度，h为预测高度，h_g为标注高度，θ为预测角度，θ_g为标注角度。