[发明专利]基于特征金字塔结构的多角度遥感船舶图像目标检测方法

权利要求书

1.一种基于特征金字塔结构的多角度遥感船舶图像目标检测方法，其特征在于，包括以下步骤：

S1，收集遥感卫星船舶图像数据集，并进行样本标注，得到标注目标；

S2，对经过S1所提取的数据集中的样本进行数据预处理，形成完整的训练数据集；

S3，用经过改进的特征金字塔网络对预处理后的样本进行特征提取，得到多层特征融合的特征金字塔；

S4，经过RPN网络生成候选区域；

S5，添加不同池化大小的ROI Pooling层；

S6，搭建Fast R-CNN网络；

S7，对由S1采集到的测试数据进行训练阶段的步骤S2预处理的数据剪裁操作；

S8，将经过S7处理的样本送入S3、S4、S5和S6构建的模型中进行测试求得结果，即最后经过Fast R-CNN输出分类与回归的结果。

2.如权利要求1所述的基于特征金字塔结构的多角度遥感船舶图像目标检测方法，其特征在于，所述步骤S1进一步包括：

S101，从Google Earth卫星地图上收集含有船舶目标的港口、远海、码头和湖泊等地的遥感卫星图片，作为训练图像；

S102，标注训练图像中所有船舶目标的类别和位置坐标，得到标注目标。

3.如权利要求1所述的基于特征金字塔结构的多角度遥感船舶图像目标检测方法，其特征在于，所述步骤S2进一步包括：

S201，将训练图像剪裁为1000×1000大小的图片，重叠率为20％；

S202，去除剪裁后训练集中的负样本；

S203，对图片进行水平翻转、旋转处理，形成完整的训练数据集。

4.如权利要求3所述的基于特征金字塔结构的多角度遥感船舶图像目标检测方法，其特征在于，所述步骤S3进一步包括：

首先选用ResNet-101残差网络对输入遥感卫星图像进行特征提取，选择最后4个残差模块的最后一层的特征图构建自下而上的网络；

通过横向连接和密集连接获得更高分辨率的特征图，搭建自上而下的网络，其中密集连接是指每层特征图的输入不仅包括相邻特征图下采样的输出，还包含其余上层特征图下采样的输出，所有的输入通过串联来合并；

横向连接的输入是指与自下而上网络中对应特征图经过1×1的卷积的输出；通过自上而下网络的最下面的3层作为特征提取网络的输出，得到3层特征层过程表示为以下形式：

其中，C_k表示自下而上网络的第k层特征图，P_k表示第k层经过融合过的特征图(k由上往下递减)，f_1×1和f_3×3表示1×1和3×3的卷积层，Up表示上采样，2ⁱ表示上采样的大小，k+i的值不超过5，通过这个过程，得到多层特征融合的特征金字塔。

5.如权利要求1所述的基于特征金字塔结构的多角度遥感船舶图像目标检测方法，其特征在于，所述步骤S4进一步包括：

在3层特征图上分别搭建区域生成网络，通过3×3的卷积层，再连接两个1×1的卷积层进行前景和背景的分类预测和边界框的坐标回归，区域生成网络是全卷积网络，3个特征图的区域生成网络的参数相互独立，互不共享参数。

6.如权利要求1所述的基于特征金字塔结构的多角度遥感船舶图像目标检测方法，其特征在于，所述步骤S5进一步包括：

对于上一步输出的候选区域，添加两个ROI Pooling层，添加的两个ROI Pooling层的池化大小是10×3和3×10，ROI Pooling层的总数为3层，大小分别为7×7、10×3和3×10，每一个候选区域分别经过3层ROI Pooling层，最终输出得到固定大小是7×7×ConvDepth、10×3×ConvDepth和3×10×ConvDepth的特征图。