[发明专利]一种基于深度学习的高分辨率遥感影像舰船目标检测方法

摘要

一种基于深度学习的高分辨率遥感影像舰船目标检测方法，包括采集包含舰船目标的高分辨率遥感影像，使用能包围舰船目标的最小四边形对影像中的舰船进行人工标注；设置深度学习网络模型的结构，对具有不同语义性和分辨率的特征映射图进行连接，然后对特征映射图上的每个位置设置多个参考四边形，使用全连接层对参考四边形分类；训练网络模型，将待检测的高分辨率遥感影像输入到训练好的网络模型中，检测影像中的舰船区域，并构建包围舰船目标的最小四边形，从而指示舰船目标的精确位置。本发明相比传统舰船目标检测方法，能更有效地抵抗环境因素的干扰，更稳定、更精确地对高分辨率遥感影像中处于不同场景、具有不同尺寸和姿态的舰船进行检测。

主权项

1.一种基于深度学习的高分辨率遥感影像舰船目标检测方法，其特征在于，包括以下步骤：步骤1，采集包含舰船目标的高分辨率遥感影像，使用能包围舰船目标的最小四边形对影像中的舰船进行预先标注，将遥感影像和对应的标注信息打包作为舰船数据集；步骤2，设置深度学习网络模型的结构，包括使用级联的卷积层和池化层提取输入影像的全局和高层特征，并对具有不同语义性和分辨率的特征映射图进行连接，对连接得到的特征映射图上的每个位置设置多个参考四边形，使用全连接层对参考四边形分类，保留被判定为舰船区域的参考四边形，然后使用另一个全连接层回归得到被保留的参考四边形与包围舰船目标的最小四边形之间的映射函数；步骤3，基于训练样本集，对网络模型进行训练，包括使用交叉熵定义分类的损失函数，使用平滑的L1范数定义回归的损失函数，以分类损失函数与回归损失函数之和作为整体的损失函数，基于随机梯度下降算法迭代求解能最小化损失函数的网络参数，从而得到训练好的网络模型；步骤4，将待检测的高分辨率遥感影像输入步骤3训练好的网络模型中，得到被分类为舰船区域的参考四边形及其对应的映射函数，根据参考四边形与映射函数，构建包围舰船目标的最小四边形。