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：哈尔滨理工大学

摘要：本发明公开了一种基于卷积神经网络的细粒度遥感舰船开集识别方法，其方案是：（1）对MMAL‑Net网络的特征提取网络进行改造；（2）对MMAL‑Net网络的分支结构进行改造；（3）将开集分类算法引入到卷积神经网络的细粒度遥感舰船识别中；（4）对改造后的MMAL‑Net网络进行训练和测试。本发明主要解决了现有细粒度遥感舰船识别方法基于闭集的假设下，不能很好应用于现实场景以及目标定位和局部特征提取不准确的问题，本发明提高了细粒度遥感舰船识别的准确率，能更好的适用于现实场景下的细粒度遥感舰船识别。

主权项：1.一种基于卷积神经网络的细粒度遥感舰船开集识别方法，其特征在于:所述方法通过以下步骤实现:1对MMAL-Net网络的特征提取网络进行改造：使用COT模块直接替换MMAL-Net特征提取网络resnet50网络中ResLayer2、ResLayer3、ResLayer4和ResLayer5的3*3卷积，使输出为局部静态上下文建模的K1与全局动态上下文建模的K2的融合；2对MMAL-Net网络的分支结构进行改造，MMAL-Net共有三个分支:原始分支，目标分支和局部分支，根据细粒度遥感舰船的特性，由原始分支分化出目标定位精准的目标分支和获取细微差异区域的局部分支；2-1搭建原始分支结构：输入为原始的遥感舰船，采用步骤1中改进后的网络提取特征得到特征图F，在ResLayer5后加入ECAblock对得到的特征图F进行通道的重要性检测,以此得到注意图A，A用于指导目标分支的生成；2-2搭建目标分支结构：此分支的输入遥感舰船是由原始图片剪裁得到的，同原始分支一样得到特征图Fs1，将ECAblock嵌入到ResLayer5中得到注意力图AS1，采用逐元素点乘的方法将注意力图和特征图融合得到注意力特征矩阵Fs：Fs＝AS1Fs1，后连接全连接层用于分类；2-3搭建局部分支结构：在目标分支的ECAblock后添加ASPP模块扩大感受野，丰富特征图信息，根据得到的特征图Fs2从目标遥感舰船中剪裁几个差异大、冗余度小的局部区域作为输入；3将开集分类算法引入到卷积神经网络的细粒度遥感舰船识别中：使用改造后的openmax代替原网络中的softmax层进行分类：openmax相当于2个softmax层，测试时先得到对应的dense向量，然后根据该向量对每个类别与其之间的距离拟合weibull分布得到的拟合模型进行分类，分别得到一个分数FitScores，此处相当于第一个softmax层的输出，对此输出进行阿尔法的值计算w:w＝1-FitScores*α-iα，其中i＝1...α，α是超参数根据训练进行调整，取w的均值，将其与该向量对每个类别与其之间的距离相乘，最后进行softmax分类；对改造后MMAL-Net网络进行训练和测试：将细粒度遥感舰船数据集按照一定比例划分为已知类别，其余为未知类别，对已知类别的数据进行训练，训练阶段使用三个分支，剖析整个网络训练的损失函数，若不收敛则不断迭代更新网络参数调整网络结构，重新对网络进行训练，若整个网络趋于收敛则得到卷积神经网络的细粒度遥感舰船开集识别网络模型，测试时的数据集既含训练集中的已知类别也包含未知类别，对混合后的数据集进行测试可以正确划分已知类别且正确拒绝未知类别，为了提高测试速度，测试阶段仅使用原始分支和目标分支，取目标分支的结果为最终结果，通过比较和评价最终结果，实现对细粒度遥感舰船的开集识别，最终进行分析和总结。

全文数据：

权利要求：

百度查询： 哈尔滨理工大学 一种基于卷积神经网络的细粒度遥感舰船开集识别方法