(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 202210718888.7 (22)申请日 2022.06.23 (71)申请人 北京理工大 学重庆创新中心 地址 401135 重庆市渝北区龙兴镇曙光路9 号9幢 申请人 北京理工大 学 (72)发明人 王裕沛　陈亮　师皓　周小琪　 (74)专利代理 机构 重庆智慧之源知识产权代理 事务所(普通 合伙) 50234 专利代理师 余洪 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01)G06N 3/08(2006.01) (54)发明名称 基于坐标注 意力和长短距上下文的SAR舰船 检测方法 (57)摘要 本发明提供一种基于坐标注意力和长短距 上下文的SAR舰船检测方法， 包括： 获取待测SAR 舰船图像， 待测SAR舰船图像中包含有对应的舰 船； 根据坐标注意力机制构造特征提取网络， 将 待测SAR舰船图像输入特征提取网络， 获取坐标 注意力增强的特征图； 根据长短距上下文信息构 造长短距上下文协同提取网络， 将坐标注意力增 强的特征图输入长短距上下文协同提取网络， 获 取上下文强化后的特征图； 通过PAN金字塔特征 融合网络， 对 上下文强化后的特征图进行特征融 合， 获取融合后的特征图； 将融合后的特征图输 入到YOLOX无锚框解耦检测头中， 获取舰船位置 和舰船类别。 本发明能够缓解图像噪音干扰且能 够对小目标进行精准检测。 权利要求书2页 说明书6页 附图4页 CN 115147720 A 2022.10.04 CN 115147720 A 1.一种基于坐标注意力和长短距上下文的SAR舰船检测方法， 其特征在于， 包括以下步 骤： 获取待测SAR舰船图像， 所述待测SAR舰船图像中包 含有对应的舰船； 根据坐标注意力机制构造特征提取网络， 将所述待测SAR舰船图像输入所述特征提取 网络， 获取坐标注意力增强的特 征图； 根据长短距上下文信 息构造长短距上下文协同提取网络， 将坐标注意力增强的特征图 输入所述长短距上 下文协同提取网络， 获取 上下文强化后的特 征图； 通过PAN金字塔特征融合网络， 对所述上下文强化后的特征图进行特征融合， 获取融合 后的特征图； 将所述融合后的特 征图输入到 YOLOX无锚框解耦检测头中， 获取舰船位置和舰船类别。 2.根据权利要求1所述的基于坐标注意力和长短距上下文的SAR舰船检测方法， 其特征 在于， 所述根据坐标注 意力机制构 造特征提取网络， 将所述待测SAR舰船图像输入 所述特征 提取网络， 获取坐标注意力增强的特 征图， 具体包括： 根据坐标注意力机制构造特 征提取网络， 将所述待测SAR舰船图像输入特 征提取网络； 在所述特征提取网络中， 将所述待测SAR舰船图像通过一个卷积核大小为3 ×3， 步幅为 2的卷积操作进行二倍降采样， 将降采样后的图像分别通过两个卷积核大小为1 ×1的卷积 操作减半维度， 获取初始特 征图， 并分别送入至第一处 理路径和第二处 理路径； 在第一处 理路径中， 将所述初始特 征图引入坐标注意力残差块中， 得到第一特 征图； 在第二处 理路径中， 将所述初始特 征图记为第二特 征图； 将所述第 一特征图与第二特征图进行通道上的堆叠， 并经过一个卷积核大小为1 ×1的 卷积操作， 将堆叠后的特 征图进行 特征细化， 获取不同层级的坐标注意力增强的特 征图。 3.根据权利要求2所述的基于坐标注意力和长短距上下文的SAR舰船检测方法， 其特征 在于， 所述在第一处理路径中， 将所述初始特征图引入坐标注意力残差块中得到第一特征 图， 具体包括： 将所述初始特 征图通过一个1 ×1的卷积降低通道数； 通过卷积核大小为3 ×3的卷积操作对降低通道数后的特 征图进行深度卷积； 将深度卷积后的特征图输入坐标注意力模块， 通过一个1 ×1的卷积恢复通道数， 得到 恢复特征图； 将所述恢复特 征图与所述初始特 征图进行 元素之间的相加， 得到第一特 征图。 4.根据权利要求1所述的基于坐标注意力和长短距上下文的SAR舰船检测方法， 其特征 在于， 所述根据长短距上下文信息构造长短距上下文协同提取网络， 将坐标注意力增强的 特征图输入所述长短距上 下文协同提取网络， 获取 上下文强化后的特 征图， 具体包括： 根据长短距上 下文信息构造 长短距上 下文协同提取网络； 将坐标注意力增强的特 征图输入所述长短距上 下文协同提取网络中； 在长短距上下文协同提取网络 中， 将所述坐标注意力增强的特征图输入两路并行的非 线性计算模块， 所述非线性计算模块包括长距上下文模块和短距上下文模块， 获取长距上 下文特征图和短距上 下文特征图； 根据对应通道依次穿插的方式， 将所述长距上下文特征图和短距上下文特征图进行拼 接， 并通过一个1 ×1的分组卷积， 将每一对相邻拼接的长距上下文特征图和短距上下文特权　利　要　求　书 1/2 页 2 CN 115147720 A 2征图融合 为一张特征图； 将融合后的特 征图通过Sigmo id函数映射到 0～1之间， 得到 长短距混合上 下文权重图； 将所述长短距混合上下文权重图与坐标注意力增强的特征图进行求和， 得到上下文强 化后的特 征图。 5.根据权利要求4所述的基于坐标注意力和长短距上下文的SAR舰船检测方法， 其特征 在于， 所述长距上下文由一个卷积核大小为5 ×5且扩张率为5的空洞深度卷积和一个1 ×1 的深度卷积捕获； 所述短距上下文由一个1 ×1的深度卷积和一个卷积核 大小为3×3且扩张 率为3的空洞深度卷积 捕获。 6.根据权利要求1所述的基于坐标注意力和长短距上下文的SAR舰船检测方法， 其特征 在于， 所述 通过PAN金字塔特 征融合网络对上 下文强化后的特 征图进行融合， 具体包括： 将上下文强化后的特征图送入到PAN金字塔特征融合网络中， 通过自下而上、 自上而下 的信息流， 对所述上下文强化后的特征图进行位置信息和语义信息的细化， 得到融合后的 特征图。 7.根据权利要求1所述的基于坐标注意力和长短距上下文的SAR舰船检测方法， 其特征 在于， 所述将融合后的特征图输入到YOLOX无锚框解耦检测头中， 获取舰船位置和舰船类 别， 具体包括： 将融合后的特征图输入到YOLOX无锚框解耦检测头中， 获取目标分类特征图、 目标框位 置回归特 征图以及目标框 置信度回归图； 根据所述目标分类特征图、 目标框位置回归特征图以及目标框置信度回归图， 获取舰 船位置和舰船类别。权　利　要　求　书 2/2 页 3 CN 115147720 A 3