一种基于多尺度特征融合的海上目标检测方法

1.一种基于多尺度特征融合的海上目标检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于多尺度特征融合的海上目标检测方法，其特征在于，所述特征提取网络为改进的inceptionnext网络，包括依次连接的p1阶段、p2阶段、p3阶段、p4阶段和p5阶段，所述p2阶段、p3阶段、p4阶段和p5阶段的输出分别作为多层高效重参数化泛化特征金字塔网络的输入。

3.根据权利要求2所述的一种基于多尺度特征融合的海上目标检测方法，其特征在于，所述p1阶段包括一个conv模块，所述p2阶段包括依次连接的三个inceptionnext block模块，所述p3阶段包括依次连接的一个conv模块和三个inceptionnext block模块，所述p4阶段包括依次连接的一个conv模块和九个inceptionnext block模块，所述p5阶段包括依次连接的一个conv模块，三个inceptionnext block模块和一个sppf模块。

4.根据权利要求3所述的一种基于多尺度特征融合的海上目标检测方法，其特征在于，所述inceptionnext block模块包括依次连接的spilt操作、四个并行分支、concat操作、cbam注意力机制、批归一化层和mlp层，所述inceptionnext block模块的输入还连接所述mlp层，各个并行分支分别为三个不同尺寸卷积核的深度可分离卷积和一个恒等映射，所述cbam注意力机制用于实现对关键信息的关注和不必要信息的抑制。

5.根据权利要求3所述的一种基于多尺度特征融合的海上目标检测方法，其特征在于，所述sppf模块包括依次连接的首端conv模块、concat操作和尾端conv模块，所述首端conv模块和concat操作之间设有三个并联支路，各并联支路分别设有不同尺寸的maxpool层。

6.根据权利要求3所述的一种基于多尺度特征融合的海上目标检测方法，其特征在于，所述多层高效重参数化泛化特征金字塔网络为四层高效重参数化泛化特征金字塔网络，包括依次连接的第一阶段、第二阶段、第三阶段、第四阶段、第五阶段、第六阶段和第七阶段；

7.根据权利要求6所述的一种基于多尺度特征融合的海上目标检测方法，其特征在于，所述多层自适应结构特征融合网络为四层自适应结构特征融合网络，包括asff-1分支、asff-2分支、asff-3分支和asff-4分支，所述asff-1分支、asff-2分支、asff-3分支和asff-4分支均分别连接第四阶段、第五阶段、第六阶段和第七阶段中cspstage模块的输出，并进行特征融合，分别得到对应的自适应网络融合特征。

8.根据权利要求7所述的一种基于多尺度特征融合的海上目标检测方法，其特征在于，所述四层自适应结构特征融合网络的各个分支进行特征融合的过程中，为各个特征分配对应的权重，各个权重均通过自适应学习得到。

9.根据权利要求7所述的一种基于多尺度特征融合的海上目标检测方法，其特征在于，所述分类回归网络包括多个检测头结构，各个检测头结构分别处理对应的自适应网络融合特征，各个检测头结构均包括回归分支和预测分支，所述回归分支包括依次连接的conv模块、卷积模块和ciou损失函数；所述预测分支包括依次连接的conv模块、卷积模块和bce损失函数。

10.根据权利要求9所述的一种基于多尺度特征融合的海上目标检测方法，其特征在于，所述ciou损失函数的计算表达式为：