公开(公告)号：CN113536936A

公开(公告)日：2021-10-22

申请号：CN202110671595.3

申请日：2021-06-17

申请人： 中国人民解放军海军航空大学航空作战勤务学院

发明人： 李健伟 ,  徐从安 ,  邓向阳 ,  何明 ,  苏航 ,  周伟 ,  孙炜玮

IPC分类号： G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明涉及一种舰船目标检测方法及系统，该方法包括：构建目标检测模型的网络结构：循环特征金字塔网络的输入为ResNet网络中各残差单元的最后一层特征图，输出各残差单元的融合特征图；各残差单元的融合特征图输入旋转区域建议网络，输出与旋转锚框对应的融合特征图，旋转锚框对应的融合特征图输入到多比例可旋转RoI池化层，输出连接全连接层；多比例可旋转RoI池化层用于生成固定长度的向量；训练目标检测模型；将待检测合成孔径雷达图像输入训练好的目标检测模型，获得目标检测结果；目标检测结果包括目标的角度、类别和位置。本发明实现不同尺度和不同角度的船舰目标检测，提高了检测准确度。

公开(公告)号：CN113420630A

公开(公告)日：2021-09-21

申请号：CN202110671650.9

申请日：2021-06-17

申请人： 中国人民解放军海军航空大学航空作战勤务学院

发明人： 李健伟 ,  徐从安 ,  何明 ,  苏航 ,  周伟 ,  吴俊峰 ,  孙炜玮

IPC分类号： G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明涉及一种基于从头训练的SAR图像舰船目标检测方法和系统。所述基于从头训练的SAR图像舰船目标检测方法，针对深度学习检测算法用于SAR图像时的不足，设计了包括骨干网络SAR‑SDB和前端网络SAR‑SDF的舰船目标检测模型，以用于实现目标的精确检测。骨干网络SAR‑SDB具有较强的特征表达能力，降低了通道个数，减少了模型尺寸和计算量，避免了过拟合问题。采用前端网络SAR‑SDF有助于提高目标分类和定位的精度，进而在提高检测准确率的同时，降低了目标检测模型尺寸和目标检测时间。

公开(公告)号：CN113536936B

公开(公告)日：2022-10-11

申请号：CN202110671595.3

申请日：2021-06-17

申请人： 中国人民解放军海军航空大学航空作战勤务学院

发明人： 李健伟 ,  徐从安 ,  邓向阳 ,  何明 ,  苏航 ,  周伟 ,  孙炜玮

IPC分类号： G06V20/13 ,  G06V10/774 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

摘要： 本发明涉及一种舰船目标检测方法及系统，该方法包括：构建目标检测模型的网络结构：循环特征金字塔网络的输入为ResNet网络中各残差单元的最后一层特征图，输出各残差单元的融合特征图；各残差单元的融合特征图输入旋转区域建议网络，输出与旋转锚框对应的融合特征图，旋转锚框对应的融合特征图输入到多比例可旋转RoI池化层，输出连接全连接层；多比例可旋转RoI池化层用于生成固定长度的向量；训练目标检测模型；将待检测合成孔径雷达图像输入训练好的目标检测模型，获得目标检测结果；目标检测结果包括目标的角度、类别和位置。本发明实现不同尺度和不同角度的船舰目标检测，提高了检测准确度。