买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：山东科技大学

摘要：本发明公开一种用于无人船环境理解的边界驱动神经网络结构，属于神经网络结构技术领域，用于无人船视角下环境信息提取，包括网络主分支、边缘提取模块、边缘强化模块和损失函数；网络主分支包括编码器和解码器，包括五个残差卷积块、一个最大值池化层和一个平均池化层，解码器包括两个注意力细化模块、一个特征融合模块和一个空洞卷积金字塔池化模块；边缘提取模块包括三个串联的边界注意力流、多个卷积层和上采样层；边缘强化模块包括空洞卷积金字塔模块、通道注意力模块和一个卷积层；本发明解决无人船视角下对海上环境信息提取在各类别边界上的分割模糊的问题，提高海上环境信息提取的准确性，能更有效的指导无人船进行路径规划与自主导航。

主权项：1.一种用于无人船环境理解的边界驱动神经网络结构的构建方法，其特征在于，包括网络主分支、边缘提取模块、边缘强化模块和损失函数；网络主分支包括编码器和解码器，编码器采用Resnet101结构，包括五个残差卷积块、一个最大值池化层和一个平均池化层，解码器包括两个注意力细化模块、一个特征融合模块和一个空洞卷积金字塔池化模块；边缘提取模块包括三个串联的边界注意力流、多个卷积核大小为1×1的卷积层和上采样层；边缘强化模块包括空洞卷积金字塔模块、通道注意力模块和一个卷积核大小为1×1的卷积层；将无人船拍摄的海上环境图像划分为若干数据集，将数据集导入神经网络结构进行海上环境信息特征提取；编码器的五个残差卷积块中分别存在1、9、12、69、9个卷积层，卷积层的卷积核大小包括7×7、1×1、3×3三种，第一个残差卷积块中，卷积层的步长为2，其余残差卷积块的卷积层步长均为1；解码器中，注意力细化模块包括下采样层、卷积核大小为1×1的卷积层、归一化层和Sigmoid激活层，一个注意力细化模块接受编码器池化层的输出，另一个注意力细化模块接受编码器第二个残差卷积块的输出；特征融合模块包括一个卷积核大小为3×3的卷积层、两个卷积核大小为1×1的卷积层、归一化与ReLu激活函数层、下采样层和Sigmoid激活函数层，将两个注意力细化模块的输出进行Concat拼接，特征融合模块接受拼接结果和第二个残差卷积块的输出结果；空洞卷积金字塔池化模块包括四个空洞卷积层、一个池化层、两个卷积核大小为1×1的卷积层和一个上采样层，四个空洞卷积层的卷积核大小分别为1×1、3×3、3×3、3×3，膨胀率分别为1、6、12、18，空洞卷积金字塔池化模块接收来自特征融合层的输出，并通过上采样操作处理后作为主分支的输出结果；边界注意力流包括三个卷积核大小为1×1的卷积层、ReLu激活函数层和Sigmoid激活函数层构成；第一个边界注意力流的输入是经过1×1卷积层处理的输入图像和经过上采样层处理的主分支第一个残差卷积块的输出，第二个边界注意力流的输入是经过了1×1卷积层处理的第一个边界注意力流的输出和经过上采样层处理的主分支最大池化层的输出，第三个边界注意力流的输入是经过了1×1卷积层处理的第二个边界注意力流的输出和经过上采样层处理的主分支第三个残差卷积块的输出，将三个边界注意力流进行Concat拼接作为边缘提取模块的最终输出；空洞卷积金字塔模块包括四个空洞卷积层构成，卷积核大小分别为1×1、3×3、3×3、3×3，膨胀率分别为1、1、4、8；空洞卷积金字塔模块的输入为网络主分支输出与边缘提取模块输出经过Concat拼接后的结果，空洞卷积金字塔模块的结果经过Concat拼接并输出；通道注意力模块包括最大池化层、平均池化层、多层感知机和Sigmoid激活函数层，接受空洞卷积金字塔模块的输出作为输入，通过一个卷积核大小为1×1的卷积层输出，作为边缘强化模块的最终输出；损失函数包括特征分割损失、边界损失和焦点损失；通过主分支第四个残差卷积块的输出计算得到特征分割损失，通过第三个边缘注意力流的输出与边界真值计算得到边界损失，通过边缘强化模块的输出与特征真值计算得到焦点损失，网络总损失函数由三者加权求和得到： ； 、、分别是三种损失对应的权重；训练神经网络结构，通过随机梯度下降法进行迭代并优化网络参数，使用构建的数据集对神经网络结构进行预训练；使用训练集和验证集进行网络训练，设置预训练超参数与损失函数权重，预训练超参数包括最大迭代次数、初始学习率、权重衰减率和批次大小；训练神经网络结构后，测试神经网络结构，验证环境信息提取效果。

全文数据：

权利要求：

百度查询： 山东科技大学 一种用于无人船环境理解的边界驱动神经网络结构