(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210198708.7 (22)申请日 2022.03.01 (65)同一申请的已公布的文献号 申请公布号 CN 114565860 A (43)申请公布日 2022.05.31 (73)专利权人 安徽大学 地址 230031 安徽省合肥市肥西路3号 专利权人 中国电子科技 集团公司第三十八 研究所 (72)发明人 陈杰　吕建明　万辉耀　黄志祥　 刘小平　邬伯才　姚佰栋　 (74)专利代理 机构 西安铭泽知识产权代理事务 所(普通合伙) 61223 专利代理师 韩晓娟(51)Int.Cl. G06V 20/13(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/40(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) 审查员 刘笑天 (54)发明名称 一种多维度增强学习合成孔径雷达图像目 标检测方法 (57)摘要 本发明公开了一种多维度增强学习合成孔 径雷达图像目标检测方法， 涉及目标检测技术领 域， 设计一种具有语义关系的复制粘贴进行数据 增强的方法， 对SAR目标样本进行语义扩充， 提升 样本量， 降低模型过拟合， 引入无锚框检测框架 作为基准网络， 降低模型的参数量和计算复杂 度， 提高推理速度； 本发明提供的一种多维度增 强学习合 成孔径雷达图像目标检测方法， 以无锚 框目标检测框架 CenterNet2作为基准， 设计了一 种特征增强轻量级骨干LWBackbone， 降低模型的 参数量同时有效提取SAR目标显著特征， 并提出 混合域注意力机制CNA M， 有效抑制陆地复杂背景 干扰， 突出目标区域， 利用感受野增强检测头模 块RFEHead， 设计不同空洞率卷积增强感受野， 提 升检测头的多尺度感知性能。 权利要求书2页 说明书7页 附图3页 CN 114565860 B 2022.11.11 CN 114565860 B 1.一种多维度增强学习合成孔径雷达图像目标检测方法， 其特 征在于， 包括以下步骤： 基于无锚框目标检测算法构建骨干网络L WBackbone； 骨干网络LWBackbone采用融合混合域注意力机制对合成孔径雷达图像中的目标进行 特征提取， 所述混合域注意力机制为将通道注意力的提取结果输入空间注意力进 行特征提 取； 将提取的特 征依次输入3层不同权 重的特征融合BiFPN层进行不同尺度的特 征融合； 设置具有空洞卷积结构的ASPP模块在检测头RFEHead的输入端， 设置不 同空洞率卷积 改变检测头RFE Head的感受野； 特征融合结果经过空洞卷积结构后输入至检测头RFEHead， 所述检测头RFEHead对目标 物体的多尺度信息进行不同感受野的空间层级化信息提取； 将空间层级化信息提取结果输入目标检测网络CenterNet， 进行空间层级化信息提取 结果的分类和检测， 输出目标检测结果； 其中， 所述骨干网络L WBackbone， 包括： stem block单元： 由3x3可变形的卷积层构成， 接收合成孔径雷达图像特征进行卷积操 作， 卷积结果输入至OSA单 元； OSA单元： 依次序由四个阶段的OSA模块构成， 所述OSA模块对卷积结果进行深度可分离 卷积， 输出特征提取结果， 其中， OSA模块由3个3x3深度可分离卷积串 联形成， 串 联结果最后 聚合到一个通道上进行输出。 2.如权利要求1所述的一种多维度增强学习合成孔径雷达图像目标检测方法， 其特征 在于， 所述OSA模块采用stride值为2的3x3最大池化层进行降采样， 模型最终的stride值为 32。 3.如权利要求1所述的一种多维度增强学习合成孔径雷达图像目标检测方法， 其特征 在于， 所述混合域注意力机制为将通道注意力的提取结果输入空间注意力进行特征提取， 其步骤包括： 采用比例因子测量 通道的方差， 并应用权 重稀疏惩罚因子获取其权 重； 将通道注意力得到特征图作为空间注意力的输入， 进行全局最大池化和全局平均池 化， 得到两个H×W×1的特征图； 将两个特 征图基于通道维度进行拼接， 再使用7x7的卷积核降维到一 通道； 使用激活函数sigmo id生成空间特 征图并与输入特 征做乘法， 得到特 征提取结果。 4.如权利要求1所述的一种多维度增强学习合成孔径雷达图像目标检测方法， 其特征 在于， 所述具 备空洞卷积结构的AS PP模块， 包括： 全局平均池化得到图像 每层的特 征， 并进行1x1卷积， 再双线性插值到原 始大小； 分别利用一个1x1卷积层以及3个3x3不同的空洞率卷积； 将5个不同尺度的特 征在通道维度连接在一 起， 送入1x1卷积进行融合输出。 5.如权利要求1所述的一种多维度增强学习合成孔径雷达图像目标检测方法， 其特征 在于， 还包括： 对合成孔径雷达图像进行 预处理， 预处理的步骤 包括： 根据标签选择性复制合成孔径雷达图像中的目标物体， 对目标物体进行角度和大小的 随机转换； 对合成孔径雷达图像进行背景分割， 识别图像中的背景区域；权　利　要　求　书 1/2 页 2 CN 114565860 B 2将复制出来的目标使用泊松融合的方法粘贴至背景区域， 并通过设置 阈值和对标签文 件的读取， 确保粘贴的对象不与任何现有的对象重 叠以及距图像边界至少五个 像素。权　利　要　求　书 2/2 页 3 CN 114565860 B 3