[发明专利]一种具有旋转不变性的舰船目标精细化检测方法

权利要求书

1.一种具有旋转不变性的舰船目标精细化检测方法，其特征在于，包括：

步骤1：采用三点式标注法，对样本遥感图像进行标注，得到样本遥感图像中的目标检测框；

步骤2：根据标注得到的目标检测框，计算得到样本遥感图像中的目标的位置信息、类别信息和置信度；

步骤3：构建得到神经网络模型；将样本遥感图像输入至神经网络模型，通过神经网络模型对样本遥感图像进行特征提取和识别，输出目标的位置信息、类别信息和置信度；

步骤4：根据步骤2计算得到的目标的位置信息、类别信息和置信度，以及步骤3由神经网络模型输出的目标的位置信息、类别信息和置信度，通过梯度下降算法对神经网络模型中的参数进行更新；

步骤5：重复步骤4的操作过程，对神经网络模型进行多次训练后，得到目标精细化检测模型；

步骤6：将待识别遥感图像作为目标精细化检测模型的输入，通过所述目标精细化检测模型对待识别遥感图像进行特征提取和识别，输出待识别遥感图像中的目标的位置信息、类别信息和置信度。

2.根据权利要求1所述的具有旋转不变性的舰船目标精细化检测方法，其特征在于，采用三点式标注法，对样本遥感图像进行标注，得到样本遥感图像中的目标检测框，包括：

子步骤11，确定样本遥感图像中的样本目标；

子步骤12，标注样本目标所在区域的三个点：A点、B点和C点；其中，A点为样本目标所在区域的左上角，B点为样本目标所在区域的右上角，C点为样本目标所在区域的左下角与右下角连线的中心点；

子步骤13，根据A点、B点和C点，确定三角形标注区域，得到样本遥感图像中的目标检测框；其中，三角形标注区域覆盖样本目标。

3.根据权利要求1所述的具有旋转不变性的舰船目标精细化检测方法，其特征在于，根据步骤2计算得到的目标的位置信息、类别信息和置信度，以及步骤3由神经网络模型输出的目标的位置信息、类别信息和置信度，通过梯度下降算法对神经网络模型中的参数进行更新，包括：

子步骤41：从样本遥感图像数据集中随机选取一幅样本遥感图像P_i；

子步骤42：通过步骤1～2，计算得到样本遥感图像P_i中的目标的位置信息、类别信息和置信度；

子步骤43：将样本遥感图像P_i作为步骤3构建得到的神经网络模型的输入，通过神经网络模型输出得到样本遥感图像P_i中的目标的位置信息、类别信息和置信度；

子步骤44：根据子步骤42计算得到的目标的位置信息、类别信息和置信度，以及子步骤43由神经网络模型输出的目标的位置信息、类别信息和置信度，计算得到损失函数；其中，损失函数包括：坐标位置的损失，置信度的损失和类别的损失；

子步骤45：通过梯度下降算法对神经网络模型中的参数进行更新。

4.根据权利要求3所述的具有旋转不变性的舰船目标精细化检测方法，其特征在于，重复步骤4的操作过程，对神经网络模型进行多次训练后，得到目标精细化检测模型，包括：

重复子步骤41～45，对整个神经网络模型进行迭代训练，直至训练次数达到预先设定的次数阈值或者损失函数对应的损失值小于预先设定的损失阈值，得到目标精细化检测模型。