[发明专利]一种基于轻量化网络的SAR图像实时检测方法

权利要求书

1.一种基于轻量化网络的SAR图像实时检测方法，其特征在于，所述方法包括以下步骤：

S1图像数据预处理，利用图像标注软件对图像中待检测的舰船目标进行标注，类别标签为“ship”；

S2使用改进的YOLOv5算法对预处理后的训练集进行训练；

S3使用训练得到的网络对测试集进行测试。

2.根据权利要求1所述的基于轻量化网络的SAR图像实时检测方法，其特征在于，所述步骤S1中，每个目标均由一个四边形进行标注，具体形式为(x_min,y_min,x_max,y_max)，其中(x_min,y_min)表示左上角的顶点，(x_max,y_max)表示右下角的顶点；随机将所有图像按7：2：1的比例分成训练集、验证集和测试集；先采用矩形填充算法将图像尺寸统一为608pixel×608pixel，然后使用Mosaic数据增强对训练集图像处理。

3.根据权利要求1所述的基于轻量化网络的SAR图像实时检测方法，其特征在于，所述步骤S2中，利用K-近邻聚类方法对训练集中的标注框进行聚类后分为9类，获取9类框的大小，以此来设置YOLOv5锚点框参数；其次，用一个大小为3×3，步长为2的卷积替代YOLOv5算法中的Focus结构；然后，将空间金字塔池化的核大小设置为k＝[5,9,13]；接着，采用随机RReLU作为激活函数；最后，采用CIoU作为边界框回归损失，训练直到损失函数不再降低，获取权重文件。

4.根据权利要求3所述的基于轻量化网络的SAR图像实时检测方法，其特征在于，RReLU激活函数将所有负值指定非零斜率，其定义如下：

k～∪(l,u),l,u∈[0,1]

其中，l,u是大于等于0且小于等于1中的一个随机数，k代表一个随机值，服从均匀分布∪(l,u)；

CIoU损失函数定义如下：

其中，d和g分别表示预测框和真实框，ρ(·)表示计算两个边界框中心的欧式距离，Δ表示包围预测框和ground-truth框的最小矩形的对角线距离，IoU表示两个边界框的交集与并集比值，w_g,h_g表示真实框的宽和高，w_d,h_d表示预测框的宽和高，β是权衡参数，ν表示长宽比的一致性。

5.根据权利要求1所述的基于轻量化网络的SAR图像实时检测方法，其特征在于，在所述步骤S3中利用步骤S2得到的权重文件，对测试集图像进行测试；与训练集图像预处理相同，测试集每一张图像统一为608pixel×608pixel。