公开(公告)号：CN113378716A

公开(公告)日：2021-09-10

申请号：CN202110652684.3

申请日：2021-06-11

Applicant: 武汉大学

Inventor： 耿晓蒙 ,  杨杰 ,  赵伶俐 ,  史磊 ,  李平湘 ,  孙维东 ,  赵金奇

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/08 ,  G06T7/62 ,  G06T7/66

Abstract: 本发明涉及一种基于自监督条件下的深度学习SAR影像舰船识别方法。首先对SAR数据进行预处理，利用累计逆指数概率分布获取图像像素阈值，并利用阈值进行快速分割得到二值化图像，然后对二值化图像进行八邻域连通处理，获取候选目标的几何信息，根据候选目标的几何信息构建SAR舰船切片数据集，最后建立CNN网络模型，并对其进行训练、调优后用于舰船目标的自监督识别。本发明基于自监督思想的CNN模型，识别过程仅需要标注少量训练样本，极大减少了样本标注时间，提高了舰船检测效率；主干模型采用轻量模型Shufflenet网络，模型参数较少，能够以较少的训练时间获取较高的训练精度，收敛速度快，精度高。