(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 202211274361.6 (22)申请日 2022.10.18 (71)申请人 安徽大学 地址 230031 安徽省合肥市肥西路3号 申请人 中国电子科技 集团公司第三十八研 究所 (72)发明人 陈杰　周正　黄志祥　万辉耀　 常沛　李钊　孙晓晖　邬伯才　 姚佰栋　孙龙　 (74)专利代理 机构 西安铭泽知识产权代理事务 所(普通合伙) 61223 专利代理师 张举 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/774(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 一种基于混合表征学习增强的轻量化SAR目 标检测方法 (57)摘要 本发明提供一种基于混合表征学习增强的 轻量化SAR目标检测方法， 属于SAR图像目标检测 技术领域， 包括以下步骤： 构建用于SAR图像舰船 目标识别的HRLE ‑SARDet网络模型； 将待检测的 舰船目标的SAR图像数据输入至训练后的HRLE ‑ SARDet网络模型中， 输出获得目标检测结果。 本 发明提出了一种基于混合表征学习增强的轻量 化SAR目标检测算 法HRLE‑SARDet， 从更加均衡的 角度解决SAR图像舰船目标检测的问题， 在大大 减小参数量和计算量的同时， 检测精度也得到一 定保证和提升 。 权利要求书2页 说明书8页 附图5页 CN 115546555 A 2022.12.30 CN 115546555 A 1.一种基于混合表征学习增强的轻量化SAR目标检测方法， 其特征在于， 包括以下步 骤： 构建用于SAR图像舰船目标识别的HRLE ‑SARDet网络模型； 所述HRLE ‑SARDet模型采用 YOLOV5架构， 所述YOLOV5架构中的Backbone部分采用轻量化骨干网络LSFEBackbone， 所述 YOLOV5架构中的Neck部分采用多尺度散射特征融合模块BiFPF， 并在尺度特征的输出前引 入混合表征 学习增强模块HRLE ‑C3； 其中， LSFEBackbone为改进的EfficientNet ‑Lite0： 将原EfficientNet ‑Lite0的 MBConvBlock重新堆叠， 并去除不必要的MBConvBlock， 在stage2结束之后 就全部采用大卷 积核来提取特征， 将sigmoi d激活函数改为H ‑sigmoid激活函数， 以及将SE模块中的激活函 数改为PReLu； 其中， BiFPF为FPN叠加PAN再叠加FPN的结构； 其中， HRLE ‑C3为改进的原YOLOV5的C3模块： 将原C3模块所有的Bottleneck中的第二个 卷积层改为混合学习模块ACmix， 并进行替换； 将待检测的舰船目标的SAR图像数据输入至训练后的HRLE ‑SARDet网络模型中， 输出获 得目标检测结果。 2.根据权利要求1所述的一种基于混合表征学习增强的轻量化SAR 目标检测方法， 其特 征在于， 还 包括： 采用损失函数PBCE对HRLE ‑SARDet网络模型进行训练； 所述损失函数PBCE的构建包括 以下步骤： 引入BCEloss： 由泰勒级数展开可知， BC ELoss以多项式级数的形式展开： 其中， 多项式系数αi为 故BCELoss表示为： 使用梯度下降法来优化BC ELoss， 对pt进行求导并展开， 得到： 由其求导后的展开多项式可知， 其具有对pt的不同灵敏度； 第一个多项式为常数项， 值 为1， 为BCELoss提供了一个不变的梯度， 并且与pt的大小无关， 并且随着训练地程度越深， 即i＞＞1时， 预测值pt无线接近于1， 因此后面的多 项式接近于0， 被强烈抑制； 调节第1个多 项式项， PBC E表示为： 3.根据权利要求1所述的一种基于混合表征学习增强的轻量化SAR 目标检测方法， 其特 征在于， 所述 LSFEBackbo ne包括依次连接的一个Stem、 多个MBCo nvBlock， 以及一个S PPF。 4.根据权利要求1所述的一种基于混合表征学习增强的轻量化SAR 目标检测方法， 其特权　利　要　求　书 1/2 页 2 CN 115546555 A 2征在于， 所述 LSFEBackbo ne中的sta ge2结束之后， 均采用5 ×5的大卷积核来 提取特征。 5.根据权利要求1所述的一种基于混合表征学习增强的轻量化SAR 目标检测方法， 其特 征在于， 所述BiFPF为FPN叠加PAN再叠加FPN的结构， 增加不同分辨率输入并且学习不同分 辨率输入特 征的权重。权　利　要　求　书 2/2 页 3 CN 115546555 A 3