[发明专利]一种船目标精确检测与分割方法

摘要

本发明属于机器视觉和图像处理领域，涉及一种船目标精确检测与分割方法。该方法包括以下步骤：(S1)训练深度卷积神经网络模型；(S2)获取待检测与分割图像，输入步骤(S1)中的深度卷积神经网络模型，输出船目标结果。本发明能够有效实现对于船目标的精确检测与分割，对密集目标、并排目标和临岸目标均有较高的检测准确度。本发明采用了旋转框预测方法，使得候选区域与真值框有较高的交并比，通过设置三个独立的损失层并行输出目标的置信度、位置和分割掩码，通过针对性的训练数据扩增来进行网络训练，提高模型的鲁棒性。

主权项

1.一种船目标精确检测与分割方法，其特征在于包括以下步骤：(S1)训练深度卷积神经网络模型，具体为，(S11)采集包含船目标的样本图像组成样本图像集，并对样本图像集进行预处理；(S12)人工标注样本图像中的船目标；(S13)将样本图像输入深度卷积神经网络进行特征提取，输出特征图；所述特征图为深度卷积神经网络最后一层的输出结果；(S14)预先设置多个旋转框，在特征图的每个像素点上滑动预设的旋转框，提取每个旋转框中的像素点，通过旋转金字塔池化方法输出相同维度的特征向量；将每个特征向量输入全连接层,并输出每个旋转框内含有目标的概率值，选取概率值超过阈值的旋转框作为感兴趣区域；(S15)依据人工标注情况，选取感兴趣区域与目标匹配度大于α的旋转框为正样本，目标匹配度小于β的为旋转框为负样本，β、α均为常数且0<β<α<1；用选取的正样本和负样本对深度卷积神经网络模型进行训练；(S16)将特征向量分别输入深度卷积神经网络的三个全连接层，计算置信度损失值、位置损失值和分割掩码损失值，并将三个损失值相加得到总损失值，若总损失值达到设定的数值范围，则结束模型训练，转入步骤(S2)；否则，扩增样本图像，返回步骤(S11)继续执行模型训练；(S2)获取待检测与分割图像，输入步骤(S1)中的深度卷积神经网络模型，输出船目标结果。