(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 202210706609.5 (22)申请日 2022.06.21 (71)申请人 上海海事大学 地址 201306 上海市浦东 新区临港新城 海 港大道15 50号 (72)发明人 刘涛　卫南宇　雷正玲　霍宇驰　 闫化然　孟威　高进　 (74)专利代理 机构 上海元好知识产权代理有限 公司 31323 专利代理师 张妍　朱成之 (51)Int.Cl. G06V 20/13(2022.01) G06V 10/26(2022.01) G06V 10/764(2022.01) G06V 10/28(2022.01)G06V 10/44(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种融合语义分割的端云协同船舶目标高 效识别方法 (57)摘要 本发明公开了一种融合语义分割的端云协 同船舶目标高效识别方法， 包 括： 步骤S1： 语义 分 割模型训练； 步骤S2： 进行土地分类检测； 步骤 S3： 设计优化 分类模块； 步骤S4： 目标检测模型训 练； 步骤S5： 目标检测模型训练； 步骤S6： 进行船 舶目标检测。 本发明采用端云协 同计算框架， 能 够对遥感图像中的船舶进行高效且准确的检测， 利用云端的分类图像构建可覆盖非水域区域的 mask， 从而只进行对于水域区域的船舶目标检 测； 最后利用训练好的目标检测权重文件对遥感 图像中的船舶目标进行检测， 相较于现有方法， 采用云端协同计算框架， 能够做到忽略不会出现 船舶的区域(即非水域区域)而仅检测水域部分 的船舶目标， 并且识别运 算量较低。 权利要求书2页 说明书7页 附图1页 CN 115019197 A 2022.09.06 CN 115019197 A 1.一种融合语义分割的端云协同船舶目标高效识别方法， 其特 征在于， 包括： 步骤S1： 根据土地利用分类竞赛数据 集， 对DeepLab v3+语义分割模型进行训练， 并得到 用于分类的结果权 重文件； 步骤S2： 输入遥感图像， 根据 所述用于分类的结果权重文件， 对所述遥感图像进行分类 检测， 并输出语义分类结果图像； 步骤S3： 对所述语义分类结果图像进行优化处理， 得到优化后的图像， 以消除被错误分 类的面积或噪点； 步骤S4： 根据遥感图像目标数据集DIOR， 对YOLOv5s目标检测模型进行训练， 并得到用 于船舶目标检测的结果权 重文件； 步骤S5： 对所述优化后的图像， 制作覆盖非水域区域的标签， 以便后续进行目标检测 操 作忽略非水域区域， 只进行 水域区域的船舶目标检测； 步骤S6： 根据所述船舶目标检测的结果权重文件、 所述语义分类结果图像、 所述优化后 的图像和所述标签进行 所述船舶目标检测操作， 并在所述遥感图像中标记船舶目标。 2.如权利要求1所述的融合语义分割的端云协同船舶目标高效识别方法， 其特征在于， 所述步骤S1至所述步骤S5均在云端实现， 并将处理后的图像存放云端备用， 所述步骤S6在 前端执行。 3.如权利要求2所述的融合语义分割的端云协同船舶目标高效识别方法， 其特征在于， 在所述步骤S1中， 所述土地利用分类竞赛数据集中的每一卫星图像均有与之对应的一RGB 格式标注图片， 所述土地利用分类竞赛数据集中的卫星图像共设置七种类别， 所述七种类 别分别包括： 城市土地、 农业用地、 牧场、 森林、 水系 、 荒地和未知土地。 4.如权利要求3所述的融合语义分割的端云协同船舶目标高效识别方法， 其特征在于， 所述水域区域包括： 水系分类； 所述 非水域区域包括： 城市用地、 农业用地、 牧场、 森林、 荒地 和未知土地分类中的任意 一种。 5.如权利要求4所述的融合语义分割的端云协同船舶目标高效识别方法， 其特征在于， 在所述步骤S2中， 将所述水域区域和非水域区域分别采用不同颜色标记 表示。 6.如权利要求5所述的融合语义分割的端云协同船舶目标高效识别方法， 其特征在于， 在所述步骤S3中， 对所述语义分类结果图像进行优化处 理的步骤 包括： 步骤S3.1： 对所述语义分类结果图像进行二 值化处理， 得到两个二值图像； 步骤S3.2： 采用轮廓提取算法， 提取两个所述二值图像中的外轮廓， 提取得到两个轮 廓； 步骤S3.3： 分别遍历两个所述轮廓， 计算每一所述轮廓的包围面积， 根据所述包围面积 与预设阈值的对比， 对两个所述 二值图像进行处 理， 得到所述优化后的图像； 步骤S3.4： 将所述优化后的图像存放至云端。 7.如权利要求6所述的融合语义分割的端云协同船舶目标高效识别方法， 其特征在于， 在所述步骤S 3.3中， 根据所述包围面积与预设阈值的对比， 对两个所述二值图像进 行处理， 其具体为： 若所述包围面积不大于所述预设阈值， 则将边界轮廓包围部分填充成与前景颜色相反 的颜色； 若所述包围面积大于所述预设阈值， 则所述 边界轮廓包围部分的颜色保持不变。权　利　要　求　书 1/2 页 2 CN 115019197 A 28.如权利要求7所述的融合语义分割的端云协同船舶目标高效识别方法， 其特征在于， 在所述步骤S4中， 所述对YOLOv5s目标检测模型进行训练， 其具体为： 将训练的Batch  size 设置为32， Epoch设置为200， 学习率设置为0.01， 训练完成后得到所述用于船舶目标检测的 结果权重文件。 9.如权利要求8所述的融合语义分割的端云协同船舶目标高效识别方法， 其特征在于， 在所述步骤S 5中， 对所述优化后的图像， 制作 覆盖非水域区域的标签， 将所述标签存放至 云 端备用。 10.如权利要求9所述的融合语义分割的端云协同船舶目标高效识别方法， 其特征在 于， 在所述 步骤S6中， 所述船舶目标检测操作， 仅进行了所述水域区域的船舶目标检测。权　利　要　求　书 2/2 页 3 CN 115019197 A 3