[发明专利]基于电子围网的雷达影像船只识别方法、装置及电子设备

权利要求书

1.一种基于电子围网的雷达影像船只识别方法，其特征在于，包括：

获取样本数据，对所述样本数据进行图像增强，以获得图像增强样本；所述图像增强样本包括：训练数据集和样本测试数据集；

利用所述图像增强样本，基于卷积网络提取船只特征；

基于所述船只特征分别使用Faster RCNN，和，YoLo训练网络对训练数据集进行训练，并设置最大迭代次数和学习率，以获得雷达影像船只识别模型；

根据所述雷达影像船只识别模型对所述样本测试数据集进行测试，输出雷达影像船只识别结果；

基于获取Faster RCNN，和，YOLO训练网络的船只识别结果数据进行质量评价，确定出最优训练网络，基于所述最优训练网络和所述样本数据，输出最优雷达影像船只识别结果。

2.根据权利要求1所述的方法，其特征在于，所述对所述样本数据进行图像增强，包括：对所述样本数据采用指数加权均值比，保持所述样本数据的恒虚警率。

3.根据权利要求1所述的方法，其特征在于，所述船只特征，包括：船只占比和船只形变大小。

4.根据权利要求1所述的方法，其特征在于，所述基于所述样本训练数据集分别使用Faster RCNN训练网络进行训练并设置最大迭代次数和学习率，以获得雷达影像船只识别模型，包括：

获取训练数据集；

利用Faster RCNN网络对所述训练数据集进行候选框的特征信息提取；

通过分类器对所述候选框的特征信息进行判断分类，输出分类结果；其中，所述分类结果为第一雷达影像识别结果。

5.根据权利要求3所述的方法，其特征在于，所述基于所述样本训练数据集分别使用YOLO训练网络进行训练并设置最大迭代次数和学习率，以获得雷达影像船只识别模型，包括：

获取训练数据集；

基于所述YOLO网络对所述训练数据集进行特征提取，并将所提取特征分别用3个检测器进行检测；

利用所述检测器输出的每个单元格中预测3个不同尺度和长宽比的边界框在3个预测的边界框中选择与真实框最接近的作为预测值来更新网络参数，其中，每个边界框包含3个预测量；

基于所述训练数据集中的预处理信息，对所检测到的所述预测量进行损失函数计算，以获得第二雷达影像识别结果。

6.根据权利要求4所述的方法，其特征在于，所述基于获取Faster RCNN，和，YOLO训练网络的船只识别结果数据进行质量评价，确定出最优的训练网络，包括：

根据所述第一雷达影像识别结果数量和第二雷达影像识别结果数量进行统计，分别计算出Faster RCNN和YOLO的评价指标；

根据所述评价指标进行对比，确定出最优的训练网络。

7.根据权利要求5所述的方法，其特征在于，所述评价指标包括：正检率、误检率及漏检率。

8.一种基于电子围网的雷达影像识别装置，其他特征在于，包括：

获取模块，用于获取样本数据，对所述样本数据进行图像增强，以获得图像增强样本；所述图像增强样本包括：训练数据集和样本测试数据集；

特征提取模块，用于利用所述图像增强样本，基于卷积网络提取船只特征；

训练模块，用于基于所述船只特征分别使用Faster RCNN，和，YoLo训练网络对训练数据集进行训练，并设置最大迭代次数和学习率，以获得雷达影像船只识别模型；

识别模块，用于根据所述雷达影像船只识别模型对所述样本测试数据集进行测试，输出雷达影像船只识别结果；

输出模块，用于基于获取Faster RCNN，和，YOLO训练网络的船只识别结果数据进行质量评价，确定出最优训练网络，基于所述最优训练网络和所述样本数据，输出最优雷达影像船只识别结果。