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：合肥工业大学

摘要：本发明公开了一种基于SARAIS跨模态融合YOLO网络的弱小舰船检测方法，包括：1.获取SAR图像，通过与之匹配的全年AIS数据计算出全年舰船分布密度，制作小舰船检测样本集；2.在数据输入阶段设计跨模态差异性融合模块，为模型提供复杂环境下的跨模态舰船先验信息；3.在特征提取阶段构建特征增强模块用于增强对小舰船特征的特征表示，在特征恢复阶段构建通道重建模块，增强了特征交互学习，从而使模型能更好地聚焦于关键特征，4.将数据集输入网络中进行训练；5.将待分类的SAR图像输入训练好的模型，得到舰船检测结果。本发明能有效解决在港口、河道等复杂环境下的小型舰船检测效果不佳问题，且计算效率高，具有较好的工程应用价值。

主权项：1.一种基于SARAIS跨模态融合YOLO网络的弱小舰船检测方法，其特征在于，包括如下步骤：步骤1：构建舰船检测样本数据集：步骤1.1：获取某一区域的一张原始SAR图像并进行轨道校正、噪声去除、辐射定标、滤波和地形校正的预处理，从而得到预处理后的SAR图像A；步骤1.2：获取与所述原始SAR图像在同一区域的AIS数据，并对AIS数据中每个坐标对应的舰船出现次数进行统计，从而计算出舰船分布密度图B；步骤1.3：对SAR图像A和舰船分布密度图B分别进行归一化后，各自划分成N个图像块并进行拼接，从而得到图像块集合{Imag1,Imag2,...,Imagn,…,ImagN}，其中，Imagn表示第n个拼接图像块，且表示第n个SAR图像块，表示第n个舰船分布密度块，N表示切片总数；设置与所述图像块集合{Imag1,Imag2,...,Imagn,…,ImagN}相对应的真实标签集合{G1,G2,...,Gn,…,GN}，其中，Gn表示第n个拼接图像块Imagn对应的真实标签，且Gn∈{0,1}，其中，1表示舰船类别，0表示背景类别；步骤2：构建小舰船目标检测网络，包括：跨模态差异性融合模块、特征增强模块、特征恢复模块以及预测层；步骤2.1：所述跨模态差异性融合模块对所述第n个拼接图像块Imagn进行处理，得到第n个多尺度特征图Xn；步骤2.2：所述特征增强模块对第n个多尺度特征图Xn进行处理，得到第n个增强特征图X′n；步骤2.3：所述特征恢复模块对第n个增强特征图X′n进行处理，得到所述第n个拼接图像块Imagn的恢复特征图Yn；步骤2.4：所述预测层对恢复特征图Yn进行处理，输出恢复特征图Yn的预测标签Pn，并与Gn构建综合损失函数Loss，从而利用梯度下降法对所述小舰船目标检测网络进行训练，并计算综合损失函数Loss以更新网络参数，直至损失函数Loss收敛为止，从而得到训练好的舰船检测深度学习模型，用于对待检测的SAR数据进行舰船检测。

全文数据：

权利要求：

百度查询： 合肥工业大学 基于SAR/AIS跨模态融合YOLO网络的弱小舰船检测方法