买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国人民解放军海军航空大学

摘要：本发明公开了一种基于多任务学习的SAR图像舰船目标分类方法，包括构建分类数据集、构建特征学习网络、构建尺度统一网络、构建鉴别器网络、构建细粒度分类网络、训练模型和使用模型等步骤。本发明使用尺度统一网络和鉴别器网络，通过对抗训练使低分辨率小目标图像向高分辨率大目标图像对齐，并提升小目标图像信息量，同时基于循环注意力卷积神经网络学习重点区域和可判别性特征，并使用三元组损失函数增大类间间距，减小类内间距，进一步提升了特征的可判别性，从而获得更优的分类效果。

主权项：1.一种基于多任务学习的SAR图像舰船目标分类方法，其特征在于包括以下步骤：步骤1、构建分类数据集：获取包含船舰目标的图像并对图像进行类型标注，得到图像像素大小相同的源域数据集X和目标域数据集Y；将小于预设尺寸值的船舰目标定位为小尺寸目标，将大于等于预设尺寸值的船舰目标定位为大尺寸目标；所述源域数据集X中包含由大尺寸目标图像及小尺寸目标图像组成的所有图像，所述目标域数据集Y中仅包含大尺寸目标图像；步骤1具体包括：步骤1.1、采集目标SAR图像，检测图像中的舰船目标，获得长度为l、宽度为w的检测框；对于检测框斜对角长度小于等于64像素的舰船目标，以检测框中心为切割中心，垂直切取64×64大小的像素块作为采集到的图像；对于大于64像素的舰船目标，以检测框中心为切割中心，垂直切取大小的像素块作为采集到的图像；步骤1.2、对步骤1.1所有采集到的图像中的舰船目标分别进行标注，得到舰船目标的图像，类型数据对，构成初始源域数据集X_0；步骤1.3、筛选出初始源域数据集X_0中船舰目标长度l≥50的图像，构建初始目标域数据集Y_0；步骤1.4、将初始源域数据集X_0和初始目标域数据集Y_0中所有船舰目标长度l64的图像统一使用双三次插值方法调整大小至64×64像素，从而得到源域数据集X和目标域数据集Y；步骤2、构建特征学习网络，所述特征学习网络用于从输入的图像中得到特征图；步骤3、构建尺度统一网络，所述尺度统一网络用于重建图像，使重建后的图像中目标船舰的尺寸分布与目标域数据集Y图像中目标船舰的尺寸分布对齐；步骤4、构建鉴别器网络，所述鉴别器网络用于鉴别尺度统一网络生成的图像和目标域数据集Y中未进行尺度统一的原图像，输出判别结果；步骤5、构建细粒度分类网络，所述细粒度分类网络用于从特征学习网络所输出的特征图中找到重点区域，然后剪裁出重点区域并放大，获得细粒度特征，再根据细粒度特征获得船舰目标的分类；步骤6、训练模型，包括：步骤6.1、从源域数据集X中以随机方式选出训练集Xtr；步骤6.2、从训练集Xtr中构建三元组，通过三元组损失训练的方式更新特征学习网络和细粒度分类网络；步骤6.3、将源域数据集X的图像依次经过特征学习网络和尺度统一网络处理后，与目标域数据集Y中的图像混淆并输入到鉴别器网络进行判别，根据判别结果更新特征学习网络、尺度统一网络和鉴别器网络；循环执行步骤6.2和步骤6.3，直至达到训练次数；步骤7、使用更新后的特征学习网络和细粒度分类网络进行船舰目标的分类：将SAR图像输入到特征学习网络得到特征图，再将特征图输入到细粒度分类网络中得到分类结果。

全文数据：

权利要求：

百度查询： 中国人民解放军海军航空大学 一种基于多任务学习的SAR图像舰船目标分类方法