[发明专利]一种基于剪枝元学习的小样本SAR图像目标检测方法

权利要求书

1.一种基于剪枝元学习的小样本SAR图像目标检测方法，其特征在于，包括以下步骤：

1)构建SAR图像舰船检测的稀疏训练数据集、元训练数据集和元测试数据集；将SAR图像作为样本的输入，SAR图像的舰船目标作为标签；

2)对单阶段目标检测器YOLOv5进行稀疏化训练，之后并做剪枝处理，得到轻量化目标检测器；

3)在所述轻量化检测器的基础上加入MAML算法，得到元学习器，利用所述元训练数据集进行训练，得到训练后的元学习器；

4)以所述元学习器的参数作为初始化参数，利用元测试数据集的一个任务的支持集对所述初始化参数进行一步更新，得到适用于当前任务的元学习器；

利用元测试数据集的当前任务的查询集输入所述元学习器内，得到检测任务检测精度、检测任务目标的定位与分类。

2.根据权利要求1所述的一种基于剪枝元学习的小样本SAR图像目标检测方法，其特征在于，步骤1)包括：

从SSDD数据集中随机采样若干张样本构建稀疏训练数据集；

从SSDD数据集中随机采样若干张构建元训练数据集；

从SSDD、SAR-Ship-Dataset、AIR-SARShip-1.0、HRSID和LS-SSDD-V1.0数据集中各采样若干张构建测试数据集；

其中，稀疏训练集、元训练数据集和元测试测试集的数据不重合。

3.根据权利要求1所述的一种基于剪枝元学习的小样本SAR图像目标检测方法，其特征在于，步骤2)具体包括：

201)选择单阶段目标检测器YOLOv5中能够执行剪枝处理的网络通道进行剪枝设置，同时构造新的网络损失函数，以所述稀疏训练数据集作为输入，根据新的网络损失函数对单阶段目标检测器YOLOv5进行训练，训练完毕后得到稀疏网络；

202)判断得到的稀疏网络是否满足剪枝要求，若满足，则对网络通道进行剪枝得到轻量化检测器；否则，返回201)。

4.根据权利要求3所述的一种基于剪枝元学习的小样本SAR图像目标检测方法，其特征在于，步骤201)中若单阶段目标检测器YOLOv5的网络结构中出现卷积结果相加，则所述网络结构不执行剪枝操作；否则，将所述网络结构的BN层中的γ参数设置为网络通道剪枝的比例因子；

步骤201)中构建新的网络损失函数如公式(1)所示

其中，公式(1)中前三项为YOLOv5的损失函数，包含边框回归损失l_reg、目标置信度损失l_conf以及分类损失l_cls，其中，j为第j个样本，t*,c*,obj*分别表示真实目标的坐标、类别以及置信度；最后一项为γ的正则化项，λ为惩罚系数；

步骤201)中训练过程为：

以公式(1)为目标函数对网络进行反向传播，联合训练网络权重θ和比例因子γ，得到稀疏网络。

5.根据权利要求3所述的一种基于剪枝元学习的小样本SAR图像目标检测方法，其特征在于，步骤202)中对网络通道进行剪枝的具体操作为：

获取能够剪枝网络通道的每一个BN层参数γ绝对值的最大值，将所述最大值中的最小值设置为剪枝上限值；

设置剪枝比例t，按比例因子γ的绝对值进行排序，取从小到大排序的比例因子中t％的位置对应的比例因子为剪枝阈值，若剪枝阈值大于所述最小值，则满足剪枝要求，剪掉低于阈值的通道；否则，为不满足剪枝要求，返回步骤2)，重新设置惩罚系数λ。