[发明专利]一种端到端的SAR船舶检测方法和系统

权利要求书

1.一种端到端的SAR船舶检测方法，其特征在于，包括以下步骤：

S1、获取SAR船舶数据，并划分为训练集和测试集；

S2、构建改进Transformer的SAR船舶检测网络模型，所述改进Transformer的SAR船舶检测网络模型包括CNN网络、感知增强Transformer网络和预测头，其中：

所述CNN网络用于提取SAR图像的像素特征；

所述感知增强Transformer网络用于融合像素特征和对象查询特征，所述对象查询特征通过将长度为N的随机序列输入到嵌入层得到；

所述预测头用于直接预测船舶目标边界框和类别；

S3、通过训练集和测试集对改进Transformer的SAR船舶检测网络模型进行训练；

S4、将待检测的SAR船舶数据输入至训练后的改进Transformer的SAR船舶检测网络模型，检测出船舶目标。

2.根据权利要求1所述的一种端到端的SAR船舶检测方法，其特征在于，步骤S2中，感知增强Transformer网络包括：

特征感知增强模块，用于进行稀疏自注意力操作，建立全局像素级特征之间的相关性和所有预测对象之间的交互关系，得到感知增强的像素特征和对象查询特征；

任务感知增强模块，用于进行稀疏交叉注意力操作，融合感知增强的像素特征和对象查询特征。

3.根据权利要求2所述的一种端到端的SAR船舶检测方法，其特征在于，所述特征感知增强模块包括稀疏自注意力单元和LayerNorm层，所述稀疏自注意力单元对输入的像素特征和对象查询特征用残差形式的多头稀疏自注意力，所述LayerNorm层对每一层的通道进行归一化。

4.根据权利要求3所述的一种端到端的SAR船舶检测方法，其特征在于，所述稀疏自注意力单元中包含以下步骤：

A1、定义多头稀疏注意力的输入为：k,v维度一定相同，是三个线性投影层的可学习参数，N_q、N_k和N_v分别表示q、k和v的长度，c是通道数，进行投影映射如下：

Q＝qW_q,K＝kW_k,V＝vW_v

其中，Q、K和V分别为q、k和v投影映射后的输出；

由于稀疏自注意力单元具有M个独立的注意力头，因此和表示第i个注意力头的输入；d＝c/M是每个注意力头的通道维度，一个注意力头的输出特征间的关系图RM⁽ⁱ⁾为：

A2、通过线性层来学习特征图的关键关注点数量p⁽ⁱ⁾；

A3、对特征关系图进行排序，根据p⁽ⁱ⁾获得特征图的关键关注点阈值Thr⁽ⁱ⁾；

A4、通过Thr⁽ⁱ⁾更新RM⁽ⁱ⁾，获取稀疏后的特征间的关系图RM⁽ⁱ⁾，则注意力头的输出为：

Z⁽ⁱ⁾＝σ(max(RM⁽ⁱ⁾-Thr⁽ⁱ⁾,0))V⁽ⁱ⁾,i＝1,…,M

其中，σ表示softmax函数，max(·)表示取最大值操作，得到稀疏自注意力单元的输出为：

z＝Concat(Z⁽¹⁾,Z⁽¹⁾,…,Z^(M))W₀

其中，Concat(·)表示向量拼接操作。

5.根据权利要求2所述的一种端到端的SAR船舶检测方法，其特征在于，所述任务感知增强模块包括稀疏交叉注意力单元、LayerNorm层和前馈网络FFN，所述稀疏交叉注意力单元对输入的像素特征和对象查询特征用残差形式的多头稀疏交叉注意力，所述LayerNorm层对每一层的通道进行归一化，所述前馈网络FFN为残差形式的全连接网络，包括两个线性层，第一个线性层带有线性整流函数。