(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210579628.6 (22)申请日 2022.05.26 (71)申请人 之江实验室 地址 311100 浙江省杭州市余杭区中泰街 道之江实验室南湖总部 申请人 浙江工商大 学 (72)发明人 黎晨阳　王军　徐晓刚　徐冠雷　 朱亚光　 (74)专利代理 机构 杭州浙科专利事务所(普通 合伙) 33213 专利代理师 孙孟辉 (51)Int.Cl. G06V 20/10(2022.01) G06V 20/54(2022.01) G06V 10/774(2022.01)G06V 10/82(2022.01) G06V 10/26(2022.01) G06V 10/44(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06K 9/62(2022.01) (54)发明名称 一种基于注意力模型的遥感图像船舶检测 方法和装置 (57)摘要 本发明公开一种基于注意力模型的遥感图 像船舶检测方法和装置， 该方法包括： 步骤一， 收 集船舶遥感图像， 使用标注信息对图像数据集进 行数据扩充； 步骤二， 对收集的遥感图像进行预 处理， 得到船舶检测模型训练使用的数据集； 步 骤三， 将训练数据集里的图像输入到针对小尺寸 目标改进过的YOLOV5注意力模型中， 进行训练， 得到训练好的遥感船舶检测模型； 步骤四， 将待 检测的遥感图像裁剪， 后输入到训练好的遥感船 舶检测模型中， 输出船舶的边界框和置信度； 将 所有裁剪图的边界框映射回原始遥感图像， 经过 置信度阈值过滤和非极大值抑制过滤重复目标 后， 获得最终的检测结果。 本发明解决了遥感图 像中船舶分布稀 疏、 尺寸过小导致的检测困难的 问题。 权利要求书2页 说明书6页 附图6页 CN 114677596 A 2022.06.28 CN 114677596 A 1.一种基于注意力模型的遥感图像船舶检测方法， 其特 征在于， 包括以下步骤： 步骤一， 收集船舶遥感图像， 使用标注信息对遥感图像数据集进行 数据扩充； 步骤二， 对步骤一收集的遥感图像进行 预处理， 得到船舶检测模型训练使用的数据集； 步骤三， 将训练数据集里的图像输入到针对小尺寸目标改进过的YOLOV5注意力模型 中， 进行船舶目标检测模型的训练， 得到训练好的遥感船舶检测模型； 步骤四， 将需要进行船舶检测的遥感图像依步骤二的方式进行裁剪， 后输入到训练好 的遥感船舶检测模型中， 输出船舶的边界框和置信度； 将所有裁剪图的边界框映射回原始 遥感图像， 经 过置信度阈值过 滤和非极大值抑制过 滤重复目标后， 获得最终的检测结果。 2.如权利要求1所述的一种基于注意力模型的遥感图像船舶检测方法， 其特征在于， 所 述步骤一具体为： 收集船舶遥感图像， 通过船舶标注方法标注出图像中船舶的边界框和轮 廓， 得到船舶轮廓的标注信息， 截取出对应的船舶图片， 组成船舶图片库， 将船舶图片库中 的图片随机挑选数张合成到遥感图像中， 对每张遥感图像进 行同样的合成方式得到扩充 数 据集。 3.如权利要求2所述的一种基于注意力模型的遥感图像船舶检测方法， 其特征在于， 所 述船舶标注方法为边界框标注法结合多边形分割标注法， 通过找到遥感图像中船舶的位 置， 使用矩形边界框包络船舶， 并将船舶的位置信息以边界框的中心点坐标 （x,y） ， 边界框 的宽度w和长度h的格式输出为标签， 在边界框内， 找到船舶的几何顶点， 使用点连线的方 式， 以不规则多边形的形式勾勒出 船舶轮廓， 标签 格式为各定点 坐标的集 合{ （xi,yi） }。 4.如权利要求2所述的一种基于注意力模型的遥感图像船舶检测方法， 其特征在于， 所 述扩充数据集的合成方式为使用截取出的船舶图片， 在原始遥感图像中已标注的边界框之 外的区域进 行像素点替换， 并生成新增船舶 对应的边界框坐标， 加入到边界框标签中， 重复 此操作以获得 船舶扩充数据集。 5.如权利要求2所述的一种基于注意力模型的遥感图像船舶检测方法， 其特征在于， 所 述步骤二具体为： 将数据扩充过 的遥感图像裁剪成低像素 的图像， 并且在裁剪图边缘加入 内边距作为缓冲区， 对裁剪过的图像进行水平翻转、 去噪、 亮度增强和对比度增强处理， 得 到训练数据集。 6.如权利要求5所述的一种基于注意力模型的遥感图像船舶检测方法， 其特征在于， 所 述步骤三具体为： 将得到训练数据集中的遥感图像输入针对小尺寸目标改进过的YOLOV5注意力 模型后， 通过该模型 的骨干网络部分提取特征， 再将特征送入颈部网络部分进行上采样、 拼接聚合 成不同尺度的特征图， 最后通过头部网络部分回归预测获得船舶目标 的边界框和置信度， 其中置信度表示此边界框含有船舶目标的概 率； 再使用预测得到的边界框和置信度与 标注得到的真实边界框和置信度的误差， 以最小 平方和的形式计算损失函数， 采用随机梯度下降优化算法迭代更新网络权重， 以训练网络 模型， 得到训练好的遥感船舶检测模型。 7.如权利要求6所述的一种基于注意力模型的遥感图像船舶检测方法， 其特征在于， 所 述针对小尺寸目标改进过的YOLOV5注意力模型是以YOLOV5X模型作为基准， 在模型的骨干 网络部分使用结合了通道注意力和空间注意力的CBAM卷积中的注 意力模块； 头部网络部 分 在三个检测头的基础上， 增加了用于检测小尺度目标的检测头； 颈部网络部分对应于所述权　利　要　求　书 1/2 页 2 CN 114677596 A 2头部网络部分的检测头结构， 增 加了特征图上采样的模块。 8.如权利要求6所述的一种基于注意力模型的遥感图像船舶检测方法， 其特征在于， 所 述边界框映射的方式是将裁剪图中边界框中心的坐标 （x1， y1） 分别加上此裁剪图左上角顶 点在原图中的坐标 （x2， y2） ， 获得新的边界框(x1+x2,y1+y2,w,h)。 9.如权利要求6所述的一种基于注意力模型的遥感图像船舶检测方法， 其特征在于， 所 述置信度阈值过滤和非极大值抑制过滤的具体方式是： 将经过训练好的船舶检测模型获得 的所有边界框依置信度由大到小排序， 从最大 的边界框开始， 计算此框与其他边界框的交 并比IoU， 过滤掉置信度低于置信度阈值t1和交并比IoU大于NMS阈值t2的边框， 获得最终的 检测结果。 10.一种基于注意力模型的遥感图像船舶检测装置， 其特征在于， 包括一个或多个处理 器， 用于实现权利要求1 ‑9中任一项所述的基于注意力模型的遥感图像船舶检测方法。权　利　要　求　书 2/2 页 3 CN 114677596 A 3