[发明专利]一种基于多粒度融合的陆军装甲细粒度识别方法及系统

权利要求书

1.基于多粒度融合的陆军装甲细粒度识别方法，其特征在于，包括如下步骤：

步骤一：获取陆军装甲目标图像数据集；

步骤二：对陆军装甲目标图像数据集中图像数据进行数据预处理；

步骤三：构建多粒度融合分类模型，包括三种不同粒度下的分类模型，分别为粗粒度分类模型、中粒度分类模型以及细粒度分类模型；

所述粗粒度分类模型用于对图像数据集中原图进行分类，并保留图像中的原始特征，得到粗粒度分类结果；

所述中粒度分类模型用于提取图像中目标对象，根据目标对象进行分类，得到中粒度分类结果；

所述细粒度分类模型用于提取图像中的判别性部位，根据判别性部位进行分类，得到细粒度分类结果；

利用陆军装甲目标图像训练数据集对多粒度融合分类模型进行训练得到训练好的多粒度融合的识别模型；

步骤四：获取陆军装甲目标图像测试数据，将其作为输入，传入到训练好的多粒度融合的识别模型中；

步骤五：将粗粒度、中粒度和细粒度分类结果进行加权融合，从而获取图像最终的检测结果。

2.如权利要求1所述的方法，其特征在于，所述步骤一，具体为：

先获取具有多张侦察车拍摄的陆军地面军事装甲目标的图像数据组成集及其标注，采用分层抽样的方法，对数据集进行划分，随机从每类数据中抽取80％的图像作为训练图像数据集，剩下20％的图像作为测试图像数据集。

3.如权利要求2所述的方法，其特征在于，所述步骤二，数据预处理包括如下步骤：

针对陆军装甲目标图像数据集中图像数据进行尺寸调整；

对尺寸调整后的图像数据进行数据增强，数据增强方式包括上下翻转、左右旋转、增强/降低图片亮度以及镜像的数据增强方式；

将数据增强后的图像数据划分为多个候选图像子块，筛选其中与类别标签相关性大于阈值的候选图像子块组成候选子块图像集。

4.如权利要求1所述的方法，其特征在于，所述粗粒度分类模型，具体为：

以所述候选子块图像集作为训练数据，其训练标签为对应的子类别；加载ImageNet预训练好的Resnet101模型的网络结构和权重参数，采用上述训练数据集，将模型进行微调，从而得到粗粒度分类模型。

5.如权利要求1所述的方法，其特征在于，所述中粒度分类模型，具体为：

将数据预处理得到的候选子块图像集作为训练数据，其训练标签为对应的子类别；

对候选子块图像集进行预处理，首先采取类激活映射CAM方法，获取图像中的目标对象的显著性映射图，对显著性映射图进行二值化和连通区域提取来获取图片中的对象的目标区域，以此来获取候选子块图像中的目标对象，即为目标对象训练数据集；

将目标对象训练数据集及其对应的子类标签作为输入数据，传入训练好的Resnet101模型进行微调，生成关于目标对象的分类模型，称为中粒度分类模型。

6.如权利要求1所述的方法，其特征在于，所述细粒度分类模型，具体为：

首先将数据预处理得到的候选子块图像集作为输入数据，其次采用部位聚类算法，将判别性的部位数据集生成以部位为类别的簇，代替人工标注得到类标签；最终，将其聚类好的候选子块图像集及其类标签，输入到预训练好的Resnet101模型上进行微调，生成关于对象部位的分类模型，称为细粒度分类模型。