一种轻量化YOLO的ISAR图像实时目标检测方法与流程

本发明涉及计算机领域中的深度学习，具体为一种轻量化yolo的isar图像实时目标检测方法。

背景技术：

1、逆合成孔径雷达(inverse synthetic aperture radar，isar)作为一种新体制雷达，能够对飞机、导弹、舰船、卫星等运动目标进行高分辨二维成像，在战略防御、战术武器、反卫星等军事领域以及未来的空中、空间交通管制等民事领域中都有重要的应用价值。到目前为止，已经出现了许多isar目标检测方法或算法，但现有的大多数研究都是以牺牲检测速度为代价来提高检测精度。此外，我们的调查发现，很少有研究关注检测速度。然而，牺牲速度来换取准确性是不令人满意的，因为一些实时场合既需要高精度，也需要高速度，例如紧急军事部署、快速空中拦截等。

技术实现思路

1、鉴于现有技术的不足，本发明旨在于提供一一种轻量化yolo的isar图像实时目标检测方法，该方法是基于轻量化yolo，适用于isar图像的自主实时目标检测。

2、为了实现上述目的，本发明采用的技术方案如下：

3、一种轻量化yolo的isar图像实时目标检测方法，所述方法包括：

4、s1图像数据预处理，利用图像标注软件对图像中待检测目标进行标注，类别标签为plane；每个目标均由一个四边形进行标注，具体形式为(xmin,ymin,xmax,ymax)，其中(xmin,ymin)表示左上角的顶点，(xmax,ymax)表示右下角的顶点；随机将所有图像按2：1的比例分成训练集和测试集，图像尺寸统一为416pixel×416pixel；

5、s2基于csp-osa模块和特征金字塔对输入图像进行特征提取；

6、s3使用预处理后的训练集进行训练，在每个特征点位置上生成3个先验框，其中采用k-means聚类代替手工设计来设置先验框的参数；

7、s4使用训练得到的网络对测试集进行测试，利用步骤s3得到的权重文件，对测试集图像进行测试。

8、需要说明的是，在所述步骤s2中，整个特征提取网络共21层卷积层，包括3个csp-osa模块和1个特征金字塔，其中卷积核的大小为1×1或3×3，同时采用批归一化和leakyrelu激活函数进行优化；csp-osa模块沿着特征通道将输入特征分成两部分，其中一部分被输入到残差块和两个卷积层，最后三个部分特征沿特征通道连接起来作为输出特征。

9、需要说明的是，所述步骤s3中，采用ciou作为边界框回归损失，使用随机梯度下降进行网络训练，训练直到损失函数收敛不再下降，获得权重文件。

10、需要说明的是，初始学习率为0.00261，总迭代次数为6000，其中在迭代次数为4800和5400时学习率衰减为原来的1/10。

11、需要说明的是，所述ciou的损失函数定义如下：

12、

13、

14、

15、其中，d和g分别表示预测框和真实框，ρ(·)表示计算两个边界框中心的欧式距离，δ表示包围预测框和ground-truth框的最小矩形的对角线距离，iou表示两个边界框的交集与并集比值，wg,hg表示真实框的宽和高，wd,hd表示预测框的宽和高，β是权衡参数，ν表示长宽比的一致性。

16、需要说明的是，所述步骤s4中，与训练集图像预处理一样，测试集每一张图像统一为416pixel×416pixel。

17、本发明的有益效果在于，利用csp-osa模块和特征金字塔改进yolo算法，实现了高精度且高速地检测isar图像中飞机目标。

技术特征：

1.一种轻量化yolo的isar图像实时目标检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的轻量化yolo的isar图像实时目标检测方法，其特征在于，在所述步骤s2中，整个特征提取网络共21层卷积层，包括3个csp-osa模块和1个特征金字塔，其中卷积核的大小为1×1或3×3，同时采用批归一化和leaky relu激活函数进行优化；csp-osa模块沿着特征通道将输入特征分成两部分，其中一部分被输入到残差块和两个卷积层，最后三个部分特征沿特征通道连接起来作为输出特征。

3.根据权利要求1所述的轻量化yolo的isar图像实时目标检测方法，其特征在于，所述步骤s3中，采用ciou作为边界框回归损失，使用随机梯度下降进行网络训练，训练直到损失函数收敛不再下降，获得权重文件。

4.根据权利要求3所述的轻量化yolo的isar图像实时目标检测方法，其特征在于，初始学习率为0.00261，总迭代次数为6000，其中在迭代次数为4800和5400时学习率衰减为原来的1/10。

5.根据权利要求3所述的轻量化yolo的isar图像实时目标检测方法，其特征在于，所述ciou的损失函数定义如下：

6.根据权利要求3所述的轻量化yolo的isar图像实时目标检测方法，其特征在于，所述步骤s4中，与训练集图像预处理一样，测试集每一张图像统一为416pixel×416pixel。

技术总结
本发明公开了一种轻量化YOLO的ISAR图像实时目标检测方法，所述方法包括图像数据预处理，利用图像标注软件对图像中待检测目标进行标注，类别标签为plane；每个目标均由一个四边形进行标注，具体形式为(x<subgt;min</subgt;,y<subgt;min</subgt;,x<subgt;max</subgt;,y<subgt;max</subgt;)，其中(x<subgt;min</subgt;,y<subgt;min</subgt;)表示左上角的顶点，(x<subgt;max</subgt;,y<subgt;max</subgt;)表示右下角的顶点；随机将所有图像按2：1的比例分成训练集和测试集，图像尺寸统一为416pixel×416pixel；基于CSP‑OSA模块和特征金字塔对输入图像进行特征提取；使用预处理后的训练集进行训练，在每个特征点位置上生成3个先验框，其中采用K‑means聚类代替手工设计来设置先验框的参数；使用训练得到的网络对测试集进行测试，利用步骤S3得到的权重文件，对测试集图像进行测试。本发明的有益效果在于，利用CSP‑OSA模块和特征金字塔改进YOLO算法，实现了高精度且高速地检测ISAR图像中飞机目标。

技术研发人员：朱明明,刘宗信,赵玉磊,宋亚南,马晶玺,乔兴文,赵志勇,王高峰
受保护的技术使用者：中国人民解放军95841部队
技术研发日：
技术公布日：2024/1/15