本發(fā)明屬于導(dǎo)航雷達(dá)領(lǐng)域，特別涉及一種基于yolox的導(dǎo)航雷達(dá)船只目標(biāo)檢測(cè)方法。

背景技術(shù)：

1、對(duì)海面目標(biāo)進(jìn)行探測(cè)，通常是借助對(duì)海雷達(dá)、聲吶和紅外/光學(xué)成像技術(shù)等發(fā)現(xiàn)目標(biāo)的電磁、散射、聲光等特性。其中，借助雷達(dá)對(duì)海面觀測(cè)以檢測(cè)目標(biāo)廣泛應(yīng)用于區(qū)域海洋目標(biāo)監(jiān)管場(chǎng)景中，相應(yīng)的雷達(dá)綜合探測(cè)和信息處理技術(shù)是各個(gè)國(guó)家、海洋科技機(jī)構(gòu)及涉海企業(yè)的研究重點(diǎn)。隨著現(xiàn)代科技的快速發(fā)展，水上航運(yùn)安全監(jiān)管也逐步向信息化、網(wǎng)絡(luò)化、智能化方向邁進(jìn)。航運(yùn)業(yè)的發(fā)展，使得船舶種類和數(shù)量增加，海域交通密度以及危險(xiǎn)貨物裝載量也不斷增加，容易導(dǎo)致海損事故的發(fā)生，嚴(yán)重威脅著船舶的航行安全和海洋生態(tài)環(huán)境。因此，有效實(shí)現(xiàn)對(duì)監(jiān)測(cè)海域內(nèi)船舶航行軌跡的及時(shí)追蹤和預(yù)測(cè)是海上交通事故預(yù)警的重要技術(shù)支持，同時(shí)也對(duì)船舶航行安全和海洋生態(tài)環(huán)境具有重要意義。

2、如何準(zhǔn)確有效地從雷達(dá)圖像中定位船只位置信息就顯得尤為重要。基于深度學(xué)習(xí)的目標(biāo)檢測(cè)技術(shù)的提出及應(yīng)用實(shí)現(xiàn)了較好的目標(biāo)檢測(cè)的任務(wù)。該思想通過選擇深度學(xué)習(xí)的模型來進(jìn)行雷達(dá)圖像特征的提取及處理，并根據(jù)提取特征來進(jìn)行目標(biāo)船只的定位識(shí)別。

3、但是現(xiàn)有的研究方法在復(fù)雜海域中識(shí)別率及準(zhǔn)確度偏低，未能很好地實(shí)現(xiàn)通過雷達(dá)圖像識(shí)別其中目標(biāo)船只的任務(wù)。

技術(shù)實(shí)現(xiàn)思路

1、發(fā)明目的：為了克服現(xiàn)有技術(shù)中存在的不足，本發(fā)明提供一種基于yolox的導(dǎo)航雷達(dá)船只目標(biāo)檢測(cè)方法，能夠在復(fù)雜海域中提高雷達(dá)圖像船只的識(shí)別與定位準(zhǔn)的準(zhǔn)確性。

2、技術(shù)方案：為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案如下：

3、一種基于yolox的導(dǎo)航雷達(dá)船只目標(biāo)檢測(cè)方法，包括以下步驟：

4、s1：數(shù)據(jù)整理，得到雷達(dá)對(duì)海探測(cè)數(shù)據(jù)集海面船只的圖像樣本；

5、s2：對(duì)船只圖像進(jìn)行預(yù)處理及標(biāo)注；

6、s3：構(gòu)建用于訓(xùn)練的訓(xùn)練數(shù)據(jù)集、用于驗(yàn)證的驗(yàn)證數(shù)據(jù)集和用于測(cè)試的測(cè)試數(shù)據(jù)集；

7、s4：在原yolox模型中引入注意力機(jī)制以進(jìn)行有效特征的提取；

8、s5：基于swt-yolox模型進(jìn)行數(shù)據(jù)集的特征提取與權(quán)重更新；

9、s6：進(jìn)行船只目標(biāo)檢測(cè)，獲取相關(guān)信息并輸出檢測(cè)結(jié)果。

10、進(jìn)一步地，在步驟s4中，在原yolox模型中嵌入swin-transformer網(wǎng)絡(luò)結(jié)構(gòu)形成swt-yolox模型，所述swin-transformer網(wǎng)絡(luò)結(jié)構(gòu)包含有注意力機(jī)制。

11、進(jìn)一步地，通過上層特征進(jìn)行深度特征提取及上下采樣特征融合，并輸出特征矩陣用以下層處理；

12、根據(jù)上層特征矩陣對(duì)特征點(diǎn)進(jìn)行判斷，判斷每一個(gè)特征點(diǎn)的回歸參數(shù)，判斷特征點(diǎn)是否有物體與其對(duì)應(yīng)，實(shí)現(xiàn)分類及回歸。

13、進(jìn)一步地，在步驟s5的權(quán)重更新中使用窗口注意力機(jī)制，所述窗口注意力機(jī)制包含窗口多頭自注意力機(jī)制及滑動(dòng)窗口多頭自注意力機(jī)制；

14、所述窗口注意力機(jī)制將注意力的計(jì)算限制在多個(gè)劃分的窗口內(nèi)，僅在相同窗口內(nèi)的圖像塊之間計(jì)算注意力并分配權(quán)重，將位置信息加入注意力機(jī)制的計(jì)算過程中，且位置信息會(huì)隨著窗口注意力機(jī)制的計(jì)算進(jìn)行更新。

15、進(jìn)一步地，所述窗口注意力機(jī)制的計(jì)算公式為：

16、

17、其中，attention(q,k,v)表示表示窗口注意機(jī)制；q、k、v分別為query、key和value，代表查詢向量、鍵向量和值向量，softmax是歸一化函數(shù)，是對(duì)相似度的歸一化，得到一個(gè)歸一化之后的權(quán)重矩陣，矩陣中，某個(gè)值的權(quán)重越大，表示相似度越高；qkt表示求內(nèi)積，d是向量k的維度，b表示偏置。

18、進(jìn)一步地，在步驟s5中，通過獲取的loss及map進(jìn)行網(wǎng)絡(luò)優(yōu)劣的判定。

19、進(jìn)一步地，根據(jù)步驟s5獲取最優(yōu)訓(xùn)練模型后，根據(jù)獲得的訓(xùn)練模型進(jìn)行待處理雷達(dá)圖像中船只的目標(biāo)檢測(cè)工作，通過分類器及回歸器進(jìn)行特征點(diǎn)的判斷，通過得分篩選及非極大值抑制去除多余及重疊預(yù)測(cè)框，并輸出目標(biāo)檢測(cè)的信息。

20、進(jìn)一步地，所述得分篩選用于篩選出得分滿足confidence置信度的預(yù)測(cè)框；所述非極大抑制用于篩選出一定區(qū)域內(nèi)屬于同一種類得分最大的框。

21、進(jìn)一步地，所述得分篩選與非極大抑制的過程包括：

22、找出圖像中得分大于門限函數(shù)的框，在進(jìn)行重合框篩選前進(jìn)行得分的篩選以減少框的數(shù)量；

23、對(duì)種類進(jìn)行循環(huán)，對(duì)每一個(gè)類分別進(jìn)行非極大抑制；

24、根據(jù)得分對(duì)該種類進(jìn)行從大到小排序；

25、每次取出得分最大的框，且計(jì)算與其它所有預(yù)測(cè)框的重合程度，重合程度過大的則剔除。

26、進(jìn)一步地，所述步驟s2中，對(duì)采集的圖像使用label?image進(jìn)行海面船只目標(biāo)的標(biāo)注。

27、有益效果：本發(fā)明通過基于原有的yolox模型進(jìn)行優(yōu)化和改進(jìn)，引入了注意力機(jī)制結(jié)構(gòu)，將其優(yōu)勢(shì)引入到了yolox的目標(biāo)識(shí)別中，提高了特征的提取效率及效果，達(dá)到了在復(fù)雜海域中雷達(dá)圖像船只的識(shí)別與定位效果。

技術(shù)特征：

1.一種基于yolox的導(dǎo)航雷達(dá)船只目標(biāo)檢測(cè)方法，其特征在于：包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于yolox的導(dǎo)航雷達(dá)船只目標(biāo)檢測(cè)方法，其特征在于：在步驟s4中，在原yolox模型中嵌入swin-transformer網(wǎng)絡(luò)結(jié)構(gòu)形成swt-yolox模型，所述swin-transformer網(wǎng)絡(luò)結(jié)構(gòu)包含有注意力機(jī)制。

3.根據(jù)權(quán)利要求2所述的一種基于yolox的導(dǎo)航雷達(dá)船只目標(biāo)檢測(cè)方法，其特征在于：通過上層特征進(jìn)行深度特征提取及上下采樣特征融合，并輸出特征矩陣用以下層處理；

4.根據(jù)權(quán)利要求1所述的一種基于yolox的導(dǎo)航雷達(dá)船只目標(biāo)檢測(cè)方法，其特征在于：在步驟s5的權(quán)重更新中使用窗口注意力機(jī)制，所述窗口注意力機(jī)制包含窗口多頭自注意力機(jī)制及滑動(dòng)窗口多頭自注意力機(jī)制；

5.根據(jù)權(quán)利要求4所述的一種基于yolox的導(dǎo)航雷達(dá)船只目標(biāo)檢測(cè)方法，其特征在于：所述窗口注意力機(jī)制的計(jì)算公式為：

6.根據(jù)權(quán)利要求1所述的一種基于yolox的導(dǎo)航雷達(dá)船只目標(biāo)檢測(cè)方法，其特征在于：在步驟s5中，通過獲取的loss及map進(jìn)行網(wǎng)絡(luò)優(yōu)劣的判定。

7.根據(jù)權(quán)利要求1所述的一種基于yolox的導(dǎo)航雷達(dá)船只目標(biāo)檢測(cè)方法，其特征在于：根據(jù)步驟s5獲取最優(yōu)訓(xùn)練模型后，根據(jù)獲得的訓(xùn)練模型進(jìn)行待處理雷達(dá)圖像中船只的目標(biāo)檢測(cè)工作，通過分類器及回歸器進(jìn)行特征點(diǎn)的判斷，通過得分篩選及非極大值抑制去除多余及重疊預(yù)測(cè)框，并輸出目標(biāo)檢測(cè)的信息。

8.根據(jù)權(quán)利要求7所述的一種基于yolox的導(dǎo)航雷達(dá)船只目標(biāo)檢測(cè)方法，其特征在于：所述得分篩選用于篩選出得分滿足confidence置信度的預(yù)測(cè)框；所述非極大抑制用于篩選出一定區(qū)域內(nèi)屬于同一種類得分最大的框。

9.根據(jù)權(quán)利要求8所述的一種基于yolox的導(dǎo)航雷達(dá)船只目標(biāo)檢測(cè)方法，其特征在于：所述得分篩選與非極大抑制的過程包括：

10.根據(jù)權(quán)利要求1所述的一種基于yolox的導(dǎo)航雷達(dá)船只目標(biāo)檢測(cè)方法，其特征在于：所述步驟s2中，對(duì)采集的圖像使用label?image進(jìn)行海面船只目標(biāo)的標(biāo)注。

技術(shù)總結(jié)
本發(fā)明公開了一種基于Yolox的導(dǎo)航雷達(dá)船只目標(biāo)檢測(cè)方法，包括數(shù)據(jù)整理，得到雷達(dá)對(duì)海探測(cè)數(shù)據(jù)集海面船只的圖像樣本；對(duì)船只圖像進(jìn)行預(yù)處理及標(biāo)注；構(gòu)建用于訓(xùn)練的訓(xùn)練數(shù)據(jù)集、用于驗(yàn)證的驗(yàn)證數(shù)據(jù)集和用于測(cè)試的測(cè)試數(shù)據(jù)集；在原Yolox模型中引入注意力機(jī)制以進(jìn)行有效特征的提?。换赟WT?Yolox模型進(jìn)行數(shù)據(jù)集的特征提取與權(quán)重更新；進(jìn)行船只目標(biāo)檢測(cè)，獲取相關(guān)信息并輸出檢測(cè)結(jié)果。通過基于原有的Yolox模型進(jìn)行優(yōu)化和改進(jìn)，引入了注意力機(jī)制結(jié)構(gòu)，將其優(yōu)勢(shì)引入到了YoloX的目標(biāo)識(shí)別中，提高了特征的提取效率及效果，達(dá)到了在復(fù)雜海域中雷達(dá)圖像船只的識(shí)別與定位效果。

技術(shù)研發(fā)人員：郭富海,韓慶楠,王鴻顯,張啟明,鄭哲,史明志,溫建興,趙云強(qiáng),李晨浩,常逍
受保護(hù)的技術(shù)使用者：中船航?？萍加邢挢?zé)任公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9