【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)屬于遙感探測，具體涉及一種基于目標(biāo)背景因果糾偏學(xué)習(xí)的海上目標(biāo)識別方法及系統(tǒng)。
技術(shù)介紹
1、海上目標(biāo)識別技術(shù)在海洋安全、海事監(jiān)管、海洋環(huán)境保護(hù)等領(lǐng)域具有重要意義。通過識別海上目標(biāo)，可以有效監(jiān)測海上活動，預(yù)防和處理海上事故，維護(hù)海洋權(quán)益。近年來海上目標(biāo)識別技術(shù)已經(jīng)取得了顯著進(jìn)展，但復(fù)雜的海洋環(huán)境，如波浪、天氣變化和其他干擾，導(dǎo)致識別結(jié)果具有較高的不穩(wěn)定性。
2、現(xiàn)有的海上目標(biāo)識別技術(shù)中，基于深度學(xué)習(xí)的方法已成為主流，廣泛應(yīng)用于海上目標(biāo)識別。此類方法通過一系列功能不同的網(wǎng)絡(luò)層，提取輸入圖像中不同層次的特征，并通過降采樣減少特征圖的尺寸，提高模型的計算效率和魯棒性，最終將提取到的特征進(jìn)行整合，輸出目標(biāo)的分類結(jié)果，整個過程具備相當(dāng)程度的高效性和準(zhǔn)確性。
3、盡管現(xiàn)有基于深度學(xué)習(xí)的海上目標(biāo)識別技術(shù)已經(jīng)取得了顯著進(jìn)展，但此類方法在特征提取過程中對前景(即目標(biāo))和背景(即圖像中目標(biāo)之外的組成部分)的學(xué)習(xí)是不加區(qū)分的，因此海上目標(biāo)圖像中包括波浪、天氣變化、建筑、山脈等在內(nèi)的背景會干擾本應(yīng)關(guān)注目標(biāo)本體的特征提取過程，導(dǎo)致已有方法的學(xué)習(xí)過程出現(xiàn)偏差，故在所提取特征的有效性、魯棒性方面存在不足，限制了海上目標(biāo)識別性能的進(jìn)一步發(fā)展。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)的目的在于提供一種海上目標(biāo)識別方案，基于目標(biāo)背景因果糾偏學(xué)習(xí)來識別海上目標(biāo)，提高海上目標(biāo)識別的準(zhǔn)確性。
2、本專利技術(shù)實現(xiàn)上述目的采用如下的技術(shù)方案。
3、一種基于目標(biāo)背景因果糾偏學(xué)習(xí)的海上
4、對海上目標(biāo)區(qū)域進(jìn)行探測，獲取海上圖像數(shù)據(jù)集；
5、利用兩種深度神經(jīng)網(wǎng)絡(luò)對海上圖像數(shù)據(jù)集進(jìn)行圖像特征提取和圖像語義激活；
6、基于因果干預(yù)理論的特征校準(zhǔn)方法對提取的圖像特征和激活的圖像語義進(jìn)行融合，消除圖像中背景噪聲，獲得目標(biāo)特征語義；
7、基于深度學(xué)習(xí)對目標(biāo)特征語義進(jìn)行識別和分類，輸出目標(biāo)類別的分類結(jié)果。
8、優(yōu)選地，對海上目標(biāo)區(qū)域進(jìn)行光學(xué)或雷達(dá)探測，獲取海上光學(xué)圖像或海上雷達(dá)圖像。
9、優(yōu)選地，海上圖像數(shù)據(jù)集記為其中表示獲取的海上圖像，yi表示海上圖像的類別標(biāo)簽，表示實數(shù)集，w,h,c分別表示輸入圖像的長、寬和通道個數(shù)，n表示海上圖像數(shù)量。
10、優(yōu)選地，通過兩種預(yù)訓(xùn)練的resnet50模型進(jìn)行特征提取和語義激活，特征提取表示為fsem(x)，語義激活表示為fsam(x)，其中x表示獲取的海上圖像；分別表示預(yù)訓(xùn)練的resnet50模型的特征映射函數(shù)，表示實數(shù)集，n,nc分別表示輸出的空間維度和通道維度，w,h,c分別表示輸入圖像的長、寬和通道個數(shù)。
11、優(yōu)選地，對提取的圖像特征和激活的圖像語義進(jìn)行融合的式子表示為：
12、
13、其中，fsem(xi)表示提取的圖像特征，fsam(xi)表示激活的圖像語義。
14、優(yōu)選地，采用全連接網(wǎng)絡(luò)作為分類器。
15、優(yōu)選地，基于深度學(xué)習(xí)進(jìn)行特征識別和分類的式子表示為：
16、
17、其中，c表示將接收到的特征映射映射為目標(biāo)類別的概率函數(shù)，表示實數(shù)集，n,nc分別表示輸出的空間維度和通道維度，k表示概率分布。
18、優(yōu)選地，深度學(xué)習(xí)過程為優(yōu)化如下?lián)p失函數(shù)：
19、
20、其中，為指示函數(shù)；ci(·),cj(·)分別為全連接網(wǎng)絡(luò)輸出的第i個和第j個維度，n表示樣本總數(shù)，log底數(shù)取e。
21、一種基于目標(biāo)背景因果糾偏學(xué)習(xí)的海上目標(biāo)識別系統(tǒng)，包括海上圖像采集設(shè)備和數(shù)據(jù)處理器，數(shù)據(jù)處理器包括圖像特征提取模塊、圖像語義激活模塊、因果特征干預(yù)模塊和目標(biāo)類別決策模塊，海上圖像采集設(shè)備與數(shù)據(jù)處理器的圖像特征提取模塊和圖像語義激活模塊連接，圖像特征提取模塊和圖像語義激活模塊與因果特征干預(yù)模塊連接，因果特征干預(yù)模塊與目標(biāo)類別決策模塊連接；
22、其中，海上圖像采集設(shè)備負(fù)責(zé)對海上目標(biāo)區(qū)域進(jìn)行探測，獲取海上圖像數(shù)據(jù)集；
23、圖像特征提取模塊負(fù)責(zé)對海上圖像數(shù)據(jù)集進(jìn)行圖像特征提取；
24、圖像語義激活模塊負(fù)責(zé)對海上圖像數(shù)據(jù)集進(jìn)行圖像語義激活；
25、因果特征干預(yù)模塊負(fù)責(zé)基于因果干預(yù)的特征校準(zhǔn)方法對提取的圖像特征和激活的圖像語義進(jìn)行融合，消除圖像中背景噪聲，獲得目標(biāo)特征語義；
26、目標(biāo)類別決策模塊負(fù)責(zé)基于深度學(xué)習(xí)對目標(biāo)特征語義進(jìn)行識別和分類，輸出目標(biāo)類別的分類結(jié)果。
27、優(yōu)選地，所述海上圖像采集設(shè)備為光學(xué)網(wǎng)絡(luò)攝像機或雷達(dá)傳感器。
28、優(yōu)選地，所述數(shù)據(jù)處理器為計算機或嵌入式主板。
29、優(yōu)選地，所述圖像特征提取模塊和圖像語義激活模塊均為resnet50預(yù)訓(xùn)練模，基于深度學(xué)習(xí)方法。
30、本專利技術(shù)的技術(shù)方案取得的有益效果包括：本專利技術(shù)基于因果干預(yù)理論的特征校準(zhǔn)方法，能夠精準(zhǔn)濾除特征提取結(jié)果中的背景語義。相比常規(guī)海上目標(biāo)識別方法，引入了因果干預(yù)來建模并消除圖像中背景對深度學(xué)習(xí)模型特征提取所帶來的負(fù)面影響，使模型關(guān)注提取目標(biāo)本身的特征信息，提高了提取特征的可判別性，能夠獲得更加優(yōu)越的目標(biāo)識別精準(zhǔn)度和魯棒性。同時，數(shù)據(jù)處理器可以為嵌入式主板，能夠搭建在多種智能監(jiān)控設(shè)備上，使得該系統(tǒng)具有易于實現(xiàn)、低復(fù)雜度、適應(yīng)性廣、即插即用等特點。
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點】
1.一種基于目標(biāo)背景因果糾偏學(xué)習(xí)的海上目標(biāo)識別方法，其特征在于，包括以下步驟：
2.如權(quán)利要求1所述的方法，其特征在于，對海上目標(biāo)區(qū)域進(jìn)行光學(xué)或雷達(dá)探測，獲取海上光學(xué)圖像或海上雷達(dá)圖像。
3.如權(quán)利要求1所述的方法，其特征在于，海上圖像數(shù)據(jù)集記為其中表示獲取的海上圖像，yi表示海上圖像的類別標(biāo)簽，表示實數(shù)集，w,h,c分別表示輸入圖像的長、寬和通道個數(shù)，N表示海上圖像數(shù)量。
4.如權(quán)利要求1所述的方法，其特征在于，通過兩種預(yù)訓(xùn)練的ResNet50模型進(jìn)行特征提取和語義激活，特征提取表示為fsem(x)，語義激活表示為fsam(x)，其中x表示獲取的海上圖像；分別表示預(yù)訓(xùn)練的ResNet50模型的特征映射函數(shù)，表示實數(shù)集，n,nc分別表示輸出的空間維度和通道維度，w,h,c分別表示輸入圖像的長、寬和通道個數(shù)。
5.如權(quán)利要求4所述的方法，其特征在于，對提取的圖像特征和激活的圖像語義進(jìn)行融合的式子表示為：
6.如權(quán)利要求1所述的方法，其特征在于，采用全連接網(wǎng)絡(luò)作為分類器。
7.如權(quán)利要求5所述的方法，其特征在于，
8.如權(quán)利要求7所述的方法，其特征在于，深度學(xué)習(xí)過程為優(yōu)化如下?lián)p失函數(shù)：
9.一種基于目標(biāo)背景因果糾偏學(xué)習(xí)的海上目標(biāo)識別系統(tǒng)，用于實現(xiàn)權(quán)利要求1-8任一項所述的方法，其特征在于，包括海上圖像采集設(shè)備和數(shù)據(jù)處理器，數(shù)據(jù)處理器包括圖像特征提取模塊、圖像語義激活模塊、因果特征干預(yù)模塊和目標(biāo)類別決策模塊，海上圖像采集設(shè)備與數(shù)據(jù)處理器的圖像特征提取模塊和圖像語義激活模塊連接，圖像特征提取模塊和圖像語義激活模塊與因果特征干預(yù)模塊連接，因果特征干預(yù)模塊與目標(biāo)類別決策模塊連接；
10.如權(quán)利要求9所述的系統(tǒng)，其特征在于，所述海上圖像采集設(shè)備為光學(xué)網(wǎng)絡(luò)攝像機或雷達(dá)傳感器；所述數(shù)據(jù)處理器為計算機或嵌入式主板；所述圖像特征提取模塊和圖像語義激活模塊均為ResNet50預(yù)訓(xùn)練模，基于深度學(xué)習(xí)方法。
...【技術(shù)特征摘要】
1.一種基于目標(biāo)背景因果糾偏學(xué)習(xí)的海上目標(biāo)識別方法，其特征在于，包括以下步驟：
2.如權(quán)利要求1所述的方法，其特征在于，對海上目標(biāo)區(qū)域進(jìn)行光學(xué)或雷達(dá)探測，獲取海上光學(xué)圖像或海上雷達(dá)圖像。
3.如權(quán)利要求1所述的方法，其特征在于，海上圖像數(shù)據(jù)集記為其中表示獲取的海上圖像，yi表示海上圖像的類別標(biāo)簽，表示實數(shù)集，w,h,c分別表示輸入圖像的長、寬和通道個數(shù)，n表示海上圖像數(shù)量。
4.如權(quán)利要求1所述的方法，其特征在于，通過兩種預(yù)訓(xùn)練的resnet50模型進(jìn)行特征提取和語義激活，特征提取表示為fsem(x)，語義激活表示為fsam(x)，其中x表示獲取的海上圖像；分別表示預(yù)訓(xùn)練的resnet50模型的特征映射函數(shù)，表示實數(shù)集，n,nc分別表示輸出的空間維度和通道維度，w,h,c分別表示輸入圖像的長、寬和通道個數(shù)。
5.如權(quán)利要求4所述的方法，其特征在于，對提取的圖像特征和激活的圖像語義進(jìn)行融合的式子表示為：
6.如...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：司凌宇，董洪偉，張睿恒，強文文，
申請(專利權(quán))人：中國科學(xué)院軟件研究所，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。