(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 202211137657.3 (22)申请日 2022.09.19 (71)申请人 交通运输部规划研究院 地址 100028 北京市朝阳区曙光西里甲6号 时间国际2号楼 (72)发明人 陈兵　王小青　颜开　王辰　 赵显峰　谢志锋　张杨　 (74)专利代理 机构 北京栈桥知识产权代理事务 所(普通合伙) 11670 专利代理师 潘卫锋 (51)Int.Cl. G06V 20/13(2022.01) G06V 10/44(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01)G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于SAR图像的目标检测方法及装置 (57)摘要 一种SAR图像的目标检测方法及装置， 涉及 目标检测技术领域， 能够提升目标检测的检测精 度。 该方法是基于YOL Ov4模型提出新的目标检测 模型实现的， 该目标检测模型包括基准网络、 中 间网络以及检测网络， 该目标检测模 型中间网络 包括第一特征融合单元、 第二特征融合单元以及 第三特征融合单元， 该第三特征融合单元包括依 次连接的第一CBL模 块、 DSPP模块、 第二CBL模 块、 第一合并模块以及第三CBL模块， 该方法包括： 使 用新的目标检测模型对待检测SAR图像的每一个 子图像进行检测， 得到子图像对应的预测框信 息， 该预测框信息用于确定子图像中的检测目 标， 然后将待检测SAR图像的所有子图像对应的 预测框信息进行整合， 以确定待检测SAR图像中 的检测目标。 权利要求书2页 说明书12页 附图6页 CN 115482471 A 2022.12.16 CN 115482471 A 1.一种基于合成孔径雷达SAR图像的目标检测方法， 其特征在于， 所述方法基于YOLOv4 模型提出新的目标检测模型实现， 所述 目标检测模型包括依 次连接的基准网络、 中间网络 以及检测网络； 所述中间网络包括第一特征融合单元、 第二特征融合单元以及第三特征融合单元， 所 述第一特征融合单元的第一输入端、 所述第二特征融合单元的第一输入端以及所述第三特 征融合单元的第一输入端分别耦合至所述中间网络的三个输入端， 所述第一特征融合单元 的第二输入端连接所述第二特征融合单元的第二输出端， 所述第一特征融合单元的第一输 出端耦合至所述中间网络的第一输出端， 所述第一特征融合单元的第二输出端连接所述第 二特征融合单元的第二输入端； 所述第二特征融合单元的第一输出端耦合至所述中间网络 的第二输出端， 所述第二特征融合单元的第三输入端连接所述第三特征融合单元的第二输 出端， 所述第二特征融合单元 的第三输出端连接所述第三特征融合单元 的第二输入端； 所 述第三特征融合单元 的第一输出端耦合至所述中间网络的第三输出端； 其中， 所述第三特 征融合单元包括依次连接的第一CBL模块、 扩张卷积的空间金字塔池化DSPP模块、 第二CBL 模块、 第一合并模块以及第三CBL模块， 所述第三特征融合单元还包括第一下采样模块， 所 述第一下采样模块的一端耦合至所述第三特征融合单元的第二输入端， 所述第一下采样模 块的另一端连接所述合并模块； CBL模块由卷积层、 批量归一化层以及LeakyRelu激活函数 层串联而成； 所述方法包括： 采用所述基准网络对待检测SAR图像的每一个子图像进行特征提取， 得到所述子图像 的第一预测特征图、 第二预测特征图以及第三预测特征图； 其中， 所述第一预测特征图、 所 述第二预测特征图以及所述第三预测特征图的尺寸依 次减小； 所述待检测SAR 图像包括多 个子图像， 所述多个子图像是对所述待检测SAR图像进行切分得到的； 通过所述中间网络对所述第 一预测特征图、 所述第 二预测特征图以及所述第 三预测特 征图进行特征融合， 得到第一融合特征图、 第二融合特征图以及第三融合特征图； 其中， 所 述第一融合特征图由所述第一特征融合单元处理得到， 所述第二预测特征图由所述第二特 征融合单 元处理得到， 所述第三融合特 征图由所述第三特 征融合单 元处理得到； 基于所述检测网络对所述第 一融合特征图、 所述第 二融合特征图以及所述第 三融合特 征图进行处理， 确定所述子图像对应的预测框信息， 所述预测框信息用于确定所述子图像 中的检测目标； 将所述待检测SAR图像的所有子图像对应的预测框信息进行整合， 以确定所述待检测 SAR图像中的检测目标。 2.根据权利要求1所述的方法， 其特 征在于， 所述第二特征融合单元包括依次连接的第四CBL模块、 第二合并模块、 第五CBL模块、 第 三合并模块以及第六CBL模块， 所述第二特征融合单元还包括第七CBL模块、 第一上采样模 块以及第二下采样模块； 所述第一上采样模块的一端连接所述第二合并模块， 所述第一上 采样模块的另一端连接所述第七CBL模块的一端， 所述第七CBL模块的另一端耦合至所述第 二特征融合单元 的第三输入端， 所述第二下采样模块的一端连接所述第三合并模块， 所述 第二下采样模块的另一端 耦合至所述第二特 征融合单 元的第二输入端； 所述第一特征融合单元包括依次连接的第八CBL模块、 第四合并模块以及第九CBL模权　利　要　求　书 1/2 页 2 CN 115482471 A 2块， 所述第一特征融合单元还包括第十CBL模块和第二上采样模块， 所述第二上采样模块的 一端连接所述第四合并模块， 另一端连接所述第十CBL模块的一端， 所述第十CBL模块的另 一端耦合至所述第一特 征融合单 元的第二输入端。 3.根据权利要求2所述的方法， 其特 征在于， 所述DSPP模块包括第 十一CBL模块、 第一分支模块、 第二分支模块、 第三分支模块、 第五 合并模块、 第十二CBL模块以及求和模块； 所述第十一CBL模块的一端耦合至所述DSPP模块 的输入端， 所述第一分支模块、 所述第二分支模块以及所述第三分支模块的一端分别连接 所述第十一CBL模块的另一端， 所述第一分支模块、 所述第二分支模块以及第三分支模块的 另一端分别连接所述第五合并模块的一端， 所述第五合并模块的另一端连接所述第十二 CBL模块的一端， 所述第十二CBL模块的另一端连接所述求和模块的一端， 所述求和模块的 另一端耦合至所述D SPP模块的输出端； 其中， 所述第一分支模块包括依次连接的第十三CBL模块、 第一DBL模块以及第一最大 池化层； 所述第二分支模块包括依次连接的第十四CBL模块、 第二DBL模块以及第二最大池 化层； 所述第三分支模块包括依次连接的第十五CBL模块、 第十六CBL模块、 第三DBL模块以 及第三最大池化层； DBL模块由扩张卷积层、 批量归一化层以及LeakyRelu激活函数层串联 而成。 4.根据权利要求1所述的方法， 其特 征在于， 所述预测框信 息包括预测框的中心点的坐标、 所述预测框的高度以及所述预测框的宽 度。 5.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 采用人工智能算法， 基于SAR图像数据集训练得到所述目标检测模型， 所述SAR图像数 据集包括多个SAR图像以及所述多个SAR图像分别对应的预测框信息 。 6.根据权利要求1至5任一项所述的方法， 其特征在于， 所述将所述待检测SAR图像的所 有子图像对应的预测框信息进行整合， 以确定所述待检测SAR图像中的检测目标， 包括： 将所有子图像对应的预测框的中心点在所述子图像 中的坐标转换至在所述待检测SAR 图像中的坐标， 以确定所述待检测SAR图像对应的预测 框信息， 所述待检测SAR图像对应的 预测框信息用于确定所述待检测SAR图像中的检测目标。 7.根据权利要求6所述方法， 其特征在于， 在将所有子图像对应的预测框的中心点在所 述子图像中的坐标转换至在所述待检测SAR图像中的坐标之后， 所述方法还 包括： 采用非极大值抑制算法对所述待检测SAR图像对应的预测框进行去重处 理。 8.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 基于所述SAR图像数据集， 采用K ‑means聚类算法确定所述检测网络的输入参数， 所述 输入参数包括预测框的初始宽度和高度。 9.一种电子设备， 其特征在于， 包括处理器和与 所述处理器耦合连接的存储器； 所述存 储器用于存储计算机指令， 当所述电子设备运行时， 所述处理器执行存储器存储的所述计 算机指令， 以使得 所述电子设备 执行如权利要求1至8任一项所述的方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质包括计算机程 序， 当所述计算机程序在计算机上运行时， 以执 行如权利要求1至8任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115482471 A 3