1.一种基于多尺度特征增强的光学遥感图像舰船目标检测方法,其特征在于,包括:步骤1:构建基于多尺度特征增强的光学遥感图像舰船目标检测网络;所述舰船目标检测网络包含带有混合倒置残差块的CSP Darknet53以进行特征提取、带有多尺寸特征增强功能的PANet以进行特征融合、YOLO Head网络部分以进行船舰目标检测;
所述步骤1包括:
使用混合倒置残差块来代替CSP Darknet53的第五个CSP模块中的残差块;
对PANet网络结构进行改进:
对于低层特征图、即CSP Darknet53中第三个CSP模块输出的特征图,引入多分支结构,每个分支包含相同的输入,使用3×3卷积和扩展率为1的空洞卷积进行特征提取,各个分支提取的特征信息融合之后和输入特征图相加;
对于中层特征图、即CSP Darknet53中第四个CSP模块输出的特征图,使用标准卷积和空洞卷积相结合来提取特征,在保留多分支结构的基础上,使用空洞卷积来提升感受野,捕获更大范围的特征信息;
在CSP Darknet53的第五个CSP模块和PANet之间还设置有SPP模块用于对输入光学遥感图像的尺寸进行调整;
步骤2:基于光学遥感图像舰船目标检测数据进行舰船目标检测网络训练,得到基于多尺度特征增强的光学遥感图像舰船目标检测模型;
步骤3:将光学遥感图像输入得到的舰船目标检测模型中,基于舰船目标检测模型进行光学遥感图像舰船目标检测。
2.根据权利要求1所述的基于多尺度特征增强的光学遥感图像舰船目标检测方法,其特征在于,所述混合倒置残差块中,输入特征图首先经过1×1卷积升维,然后使用混合卷积进行特征提取,提取后的特征使用1×1卷积降维,最后再和输入特征图进行残差连接。
3.根据权利要求2所述的基于多尺度特征增强的光学遥感图像舰船目标检测方法,其特征在于,所述混合卷积首先将输入通道划分为不同的组,每个组对应一个不同内核大小的深度可分离卷积,然后再将各个卷积的输出融合。
4.根据权利要求1所述的基于多尺度特征增强的光学遥感图像舰船目标检测方法,其特征在于,所述YOLO Head网络部分在预测时,特征图被分为多个网格,每个网格包含多个预测框,最终的结果通过计算IOU联合交集,然后使用非极大值抑制NMS过滤得到。