[发明专利]一种舰船目标有向检测模型的构建方法及应用

权利要求书

1.一种舰船目标有向检测模型的构建方法，其特征在于，包括：

S1、构建舰船目标有向检测模型；所述舰船目标有向检测模型包括：依次级联的多级卷积神经网络、多尺度特征金字塔、预测模块和非极大值抑制模块；所述多级卷积神经网络用于对输入图像进行不同深度的卷积运算得到多个不同尺度的特征图，并输出到所述多尺度特征金字塔中进行特征融合，得到多个不同尺度的特征融合图；所述预测模块包括多个并联的预测器，所述预测器的个数与所述特征融合图的个数相同，且一个所述特征融合图对应输入到一个所述预测器中；所述预测器用于分别计算特征融合图中各像素点的分类置信度预测值和边界框感知向量预测值，以对输入图像中舰船目标的位置进行预测，得到舰船目标的预测边界框；所述非极大值抑制模块用于对各所述预测器所得的预测边界框进行非极大值抑制，得到舰船目标；特征融合图上第i个像素点的边界框感知向量的预测值t_i^*＝(Δx_{i_1},Δy_{i_1},Δx_{i_2},Δy_{i_2},Δx_{i_3},Δy_{i_3},Δx_{i_4},Δy_{i_4})；以特征融合图上第i个像素点所在的位置为原点建立直角坐标系，Δx_{i_j}和Δy_{i_j}分别表示原点到预测边界框第j条边的垂足的相对位置坐标；j取值为1、2、3、4，分别对应第一象限、第二象限、第三象限和第四象限的垂足；

S2、以最小化分类置信度预测值与真实值之间的差异以及最小化预测边界框感知与真实边界框感知之间的差异为目标，采用预采集好的训练集训练所述舰船目标有向检测模型；其中，所述训练集包括舰船样本图及其对应的标签；所述标签包括舰船样本图中舰船目标的真实目标框信息。

2.根据权利要求1所述的舰船目标有向检测模型的构建方法，其特征在于，所述预测器包括并联的第一卷积块和第二卷积块；所述第一卷积块用于计算特征融合图中各像素点的分类置信度预测值；所述第二卷积块用于计算特征融合图中各像素点的边界框感知向量预测值；

此时，所述舰船目标有向检测模型包括第一分类分支和第二回归分支；所述第一分类分支为从所述多级卷积神经网络到所述第一卷积块所构成的支路；所述第二回归分支为从所述多级卷积神经网络到所述第二卷积块所构成的支路；

所述步骤S2包括：以最小化分类置信度预测值与真实值之间的差异为目标，反向更新所述第一分类分支上的参数；与此同时，以最小化预测边界框感知与真实边界框感知之间的差异为目标，反向更新所述第二回归分支上的参数。