[发明专利]基于深度学习的SAR遥感图像水面目标检测方法在审
| 申请号： | 201711358737.0 | 申请日： | 2017-12-17 |
| 公开（公告）号： | CN108052940A | 公开（公告）日： | 2018-05-18 |
| 发明（设计）人： | 魏松杰;袁秋壮;蒋鹏飞;罗娜 | 申请（专利权）人： | 南京理工大学 |
| 主分类号： | G06K9/32 | 分类号： | G06K9/32;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 南京理工大学专利中心 32203 | 代理人： | 王玮 |
| 地址： | 210094 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的SAR遥感图像水面目标检测方法，主要解决现有SAR图像水面目标检测方法中检测速度慢和定位准确率低的问题。具体实现方式为：首先设计并预训练一个图像分类模型，然后基于该模型设计并训练目标检测模型，包括RPN区域建议网络和Fast R‑CNN目标检测器，最后利用训练得到的模型对SAR图像水面目标进行检测。本发明具有检测速度快、检测准确率高等优点，可用于大幅面SAR图像的水面目标检测。 | ||
| 搜索关键词： | 基于 深度 学习 sar 遥感 图像 水面 目标 检测 方法 | ||
【主权项】：
1.基于深度学习的SAR图像水面目标检测方法，其特征在于包括如下步骤：步骤1：采集SAR图像，并扩充数据集；步骤2：对SAR图像数据集进行标注和打标签，构建训练样本集；步骤3：设计一个卷积神经网络分类模型C0 ，采用“迁移学习”方法对C0 预训练，基于该模型设计RPN区域建议网络模型和Fast R-CNN目标检测网络模型；步骤4：采用交叉训练方法对RPN区域建议网络和Fast R-CNN目标检测网络进行训练，得到最终的目标检测模型；步骤5：使用目标检测模型对SAR图像水面目标进行检测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京理工大学，未经南京理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711358737.0/，转载请声明来源钻瓜专利网。
