[发明专利]一种高精度的细粒度SAR目标检测方法

权利要求书

1.一种高精度的细粒度SAR目标检测方法，其特征在于，包括：

获取待检测SAR图像，并将所述待检测SAR图像输入到训练后的SAR图像细粒度检测模型中，输出所述待检测SAR图像中，所有感兴趣目标的坐标位置和所属类别；

其中，所述SAR图像细粒度检测模型的训练方法如下：

S1、基于训练数据集，构建全局实例集；

S2、构建SAR图像细粒度检测模型框架；将所述训练数据集输入至所述SAR图像细粒度检测模型框架中；由所述SAR图像细粒度检测模型框架对所述训练集中感兴趣目标的坐标位置进行提取，以及识别所提取出来的感兴趣目标的所属类别；将提取和识别的内容组合成模型采集数据集；

S3、从全局实例集随机抽取实例，组成抽样数据集；

S4、分别对模型采集数据集和抽样数据集中的感兴趣目标编码后，进行全局实例对比；

S5、根据对比结果对所述SAR图像细粒度检测模型框架进行优化，直至获得最终的SAR图像细粒度检测模型。

2.如权利要求1所述的一种高精度的细粒度SAR目标检测方法，其特征在于，所述S1具体包括：

获取SAR图像训练样本；所述SAR图像训练样本中包括多个目标区域；

将SAR图像训练样本，以及所有目标区域内已知的所有感兴趣目标的坐标位置和所属类别作为训练数据集；

对训练数据集中的所有目标区域进行裁剪和缩放，组成一个全局实例集。

3.如权利要求1所述的一种高精度的细粒度SAR目标检测方法，其特征在于，在所述S2中，由所述SAR图像细粒度检测模型框架对所述训练集中感兴趣目标的坐标位置进行提取，以及识别所提取出来的感兴趣目标的所属类别，具体包括：

通过SAR图像细粒度检测模型框架中的骨干卷积网络对输入的SAR图像训练样本进行特征图提取，并通过计算特征金字塔得到多个不同尺寸的特征图；

将每个所述特征图送入检测头，对每个所述特征图中感兴趣目标的坐标位置进行提取，以及识别所提取出来的感兴趣目标的所属类别。

4.如权利要求3所述的一种高精度的细粒度SAR目标检测方法，其特征在于，对于每个所述特征图，进入全局实例对比前的准备工作包括：

根据输入的感兴趣目标的所属类别，将该特征图裁剪为多个区域，记作第一特征区域集；

从所述全局实例集中的目标区域进行随机抽样，并采用骨干卷积网络对抽样得到的目标区域进行特征提取，记作第二特征区域集；

分别对所述第一特征区域集和第二特征区域集中的感兴趣目标编码后，进行全局实例对比。

5.如权利要求4所述的一种高精度的细粒度SAR目标检测方法，其特征在于，采用由平均池化和全连接层组成的编码器，使用tanh做为非线性激活函数来对感兴趣目标进行编码。

6.如权利要求1或4所述的一种高精度的细粒度SAR目标检测方法，其特征在于，全局实例对比所采用的实例级对比损失定义如下：

其中，L_CTLi表示每个特征图的对比损失；分子表示类内特征相似度之和；分母表示所有特征的相似度之和；f_i和f_j分表表示两个不同的特征向量；c_i和c_j分别代表对应向量的类别标签；i和j均代表遍历的指示下标；cos＜f_i,f_j＞表示两个特征间的余弦相似度；τ代表温度参数；M表示第一特征区域集中的目标区域数量；N表示第二特征区域集中的目标区域数量；c_i表示每个特征对应的已知类别标签；L_CTL表示求平均后得到的总体的对比损失。

7.如权利要求3所述的一种高精度的细粒度SAR目标检测方法，其特征在于，所述检测头使用了全卷积的anchor-free结构；

所述检测头用于在不同尺度的特征图上对每个感兴趣目标的位置和类别置信度进行预测。