(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 20221047126 0.1 (22)申请日 2022.04.28 (71)申请人 中南大学 地址 410083 湖南省长 沙市麓山 南路932号 (72)发明人 成新明　夏利民　丁肖月　贺建飚　 (74)专利代理 机构 长沙准星专利代理事务所 (普通合伙) 43241 专利代理师 袁崇建 (51)Int.Cl. G06V 10/82(2022.01) G06V 10/764(2022.01) G06K 9/62(2022.01) G06V 10/80(2022.01) G06V 10/774(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种基于复数胶囊网络的海上目标识别方 法及系统 (57)摘要 本发明公开了一种基于复数胶囊网络的海 上目标识别方法， 其包括： 基于预设的虚部学习 模块获取输入图片的复数信息， 后经过预设的复 值密集卷积子网络、 编码模块、 动态路由模块以 及分类模块 以识别原始输入图片中的海上目标 即舰艇类别。 本发明还公开了一种基于复数胶囊 网络的海上目标识别系统。 本发 明基于神经网络 与图像的海上目标识别方法是雷达探测目标的 辅助手段， 其解决了雷达无法精确探测采用了隐 形涂料的舰艇的问题。 相较于实值网络和向量胶 囊网络， 本发 明构建了网络层与层之间传递复数 信息的密集型胶囊网络来进行海 上目标识别， 识 别方法可靠性高、 稳定性 好。 权利要求书2页 说明书6页 附图1页 CN 114863244 A 2022.08.05 CN 114863244 A 1.一种基于复数胶囊网络的海上目标识别方法， 其特 征在于， 包括以下步骤： 步骤1： 学习虚部： 基于残差块， 输入待识别的原 始海上目标图像， 获得复数输出； 步骤2： 特征提取： 基于预设的密集卷积子网络， 对步骤1从残差块中输出的复数利用复 值滤波矩阵进行复数 卷积， 提取 特征并输出； 步骤3： 编码： 基于编码单元， 以步骤2输出的特征为输入进行编码， 获得复值初级胶囊 并输出； 步骤4： 动态路由计算： 融合步骤3的复值初级胶囊的实部信 息和虚部信息， 最终得到复 值数字胶囊层； 步骤5： 分类： 计算步骤4的各个复值数字胶囊模长， 模长最长的胶囊所代表的舰艇类别 即为输入的原 始海上目标图像中实际存在的舰艇识别结果。 2.如权利要求1所述的一种基于复数胶囊 网络的海上目标识别方法， 其特征在于， 步骤 1和2中的所述复数为复数向量。 3.如权利要求1所述的一种基于复数胶囊 网络的海上目标识别方法， 其特征在于， 步骤 2输出的特 征是以特征图的形式输出。 4.如权利要求1所述的一种基于复数胶囊 网络的海上目标识别方法， 其特征在于， 步骤 3中的复值初级胶囊为编码成为8 D的复值向量。 5.如权利要求1所述的一种基于复数胶囊 网络的海上目标识别方法， 其特征在于， 步骤 3中， 所有的复值初级胶 囊构成整个复数胶 囊网络的复值初级胶 囊层， 相同复数卷积核的输 出将被编码到相同分量的复值初级胶囊中。 6.如权利要求1所述的一种基于复数胶囊 网络的海上目标识别方法， 其特征在于， 步骤 4中， 对于同一个复值初 级胶囊的实部和虚部部分， 使用同样的变换矩阵来融合复值初级胶 囊的实部和虚部信息构成16D的复值数字胶囊， 最终得到复值数字胶囊层。 7.如权利要求1所述的一种基于复数胶囊 网络的海上目标识别方法， 其特征在于， 步骤 5中， 海上目标识别模型 是通过对步骤4的复值数字胶囊进行训练得到的。 8.如权利要求1所述的一种基于复数胶囊 网络的海上目标识别方法， 其特征在于， 所述 海上目标识别模型是通过对步骤4的复数胶 囊网络进 行训练得到的， 具体是： 使用原始的向 量CapsNet为基线网络， 并对复数胶囊网络的超参数进行了设置， 设置包括： 以Adam为优化器， 设置初始学习率为0.001， 衰减率为0.9， 每个批次的大小为128张图 片； 未使用额外的数据增强方案， 实验重复次数为3次； 动态路由模块的迭代次数为3次； 复值密集卷积子网络在 初始阶段每 个卷积层包 含16个复值过 滤器即32个实值过 滤器。 9.如权利要求1所述的一种基于复数胶囊 网络的海上目标识别方法， 其特征在于， 步骤 5中， 所述计算步骤4的各个复值数字胶囊模长具体是计算各个复值数字胶囊的L2范数， 获 得复值数字胶囊的模长， 进行o ne‑hot编码， 得到1* 5维输出向量。 10.如权利要求9所述的一种基于复数胶囊网络的海上目标识别方法， 其特征在于， 将 1*5维输出向量与预设标签进行比较， 利用损失函数反向更新网络参数， 返回步骤1。 11.如权利要求9所述的一种基于复数胶囊网络的海上目标识别方法， 其特征在于， 所 述利用损失函数反向更新网络参数具体是利用单个复值数字胶 囊和自定义的假阳类、 假阴权　利　要　求　书 1/2 页 2 CN 114863244 A 2类的惩罚系数， 构成间隔损失函数来优化特 征， 根据损失更新网络参数。 12.一种基于复数胶囊网络的海上目标识别系统， 其特 征在于， 包括以下部分： 生成复数输入模块， 该生成复数输入模块由残差块构成， 输入待识别的原始海上目标 图像， 获得复数输出； 特征提取模块： 由密集卷积子网络构成， 实现对从原始海上目标图像中输入的复值向 量进行复数 卷积， 从而提取 特征形成特征图输出； 编码模块： 接收所述特征提取模块输出的特征图作为输入信息， 编码成为8D的复值向 量即复值初级胶囊， 构成整个复数胶囊网络的复值初级胶囊层； 相同复数卷积核的输出将 被编码到相同分量的复值初级胶囊中； 动态路由计算模块： 融合复值初级胶囊的实部信息和虚部信 息， 进行动态路由， 最终得 到复值数字胶囊层； 对于同一个复值初级胶囊的实部和虚部部分， 使用同样的变换矩阵来 融合复值初级胶囊的实部和虚部信息构成16D的复值数字胶囊； 分类模块： 计算各个复值数字胶囊的L2范数， 获得复值数字胶囊的模长， 进行one ‑hot 编码， 得到1*5维输出向量。 由于胶囊的长度代表实例存在的概率， 模长最长的胶囊所代表 的舰艇类别即为输入的原 始海上目标图像中实际存在的舰艇识别结果； 损失函数训练模块： 利用单个复值数字胶囊和自定义的假阳类、 假阴类的惩罚系数， 构 成间隔损失函数来优化特 征， 根据损失更新网络参数。权　利　要　求　书 2/2 页 3 CN 114863244 A 3