一种基于深度学习的船只特征优化方法、装置和电子设备制造方法及图纸

本发明专利技术涉及深度学习技术领域，具体涉及一种基于深度学习的船只特征优化方法。包括：获取船只图像数据集；通过卷积网络对所述船只图像数据集进行特征提取，得到第一特征；根据所述船只图像数据集预设船只特征，得到第二特征；其中，所述第二特征包括船只形状、纹理和颜色；利用深度学习网络将所述第一特征和所述第二特征进行结合，以获得优化船只特征。利用第一特征和第二特征联合，使得通过提取的第一特征信息通过第二特征信息进行互补，从而保证特征提取的准确性并实现对船只特征优化，提升在遮挡情况下提取特征的准确度。

【技术实现步骤摘要】
一种基于深度学习的船只特征优化方法、装置和电子设备
本专利技术涉及深度学习
，具体涉及一种基于深度学习的船只特征优化方法。
技术介绍
在现有技术中，人们对海防检测是通过人工和监控设备进行海防巡检，但是在传统的海防巡检中，通过人工和监控设备对海域范围内的船只进行检测，在检测目标船只时会因为目标船只发生重叠和遮挡情况，因此会使人们在识别目标船只时产生了一定的困难或是无法识别的问题，因这些问题也使得在进行目标船只检测和识别时出现误检现象。
技术实现思路
有鉴于此，本专利技术实施例提供了一种基于深度学习的船只特征优化方法，以解决目标船只存在重叠、遮挡情况下能够准确提取船只特征的问题。根据第一方面，本专利技术实施例提供了一种基于深度学习的船只特征优化方法，包括：获取船只图像数据集；通过卷积网络对所述船只图像数据集进行特征提取，得到第一特征；根据所述船只图像数据集预设船只特征，得到第二特征；其中，所述第二特征包括船只形状、纹理和颜色；利用深度学习网络将所述第一特征和所述第二特征进行结合，以获本文档来自技高网...

【技术保护点】
1.一种基于深度学习的船只特征优化方法，其特征在于，包括：/n获取船只图像数据集；/n通过卷积神经网络对所述船只图像数据集进行特征提取，得到第一特征；/n根据所述船只图像数据集预设船只特征，得到第二特征；其中，所述第二特征包括船只形状、纹理和颜色；/n利用深度学习网络将所述第一特征和所述第二特征进行结合，以获得优化船只特征。/n

【技术特征摘要】
1.一种基于深度学习的船只特征优化方法，其特征在于，包括：
获取船只图像数据集；
通过卷积神经网络对所述船只图像数据集进行特征提取，得到第一特征；
根据所述船只图像数据集预设船只特征，得到第二特征；其中，所述第二特征包括船只形状、纹理和颜色；
利用深度学习网络将所述第一特征和所述第二特征进行结合，以获得优化船只特征。


2.根据权利要求1所述的方法，其特征在于，所述获取船只图像数据包括重叠、被遮挡的船只图片。


3.根据权利要求1所述的方法，其特征在于，所述通过卷积网络对所述船只图像数据进行特征提取，得到第一特征；包括：
提取所述船只数据集中预设目标的图像；
对所述预设目标的图像进行特征提取，以得到第一特征。


4.根据权利要求3所述的方法，其特征在于，所述利用深度学习网络将所述第一特征和所述第二特征进行结合，包括：
获取第一特征和第二特征，从第一特征和第二特征中提取部分特征数据为训练数据；
将所述训练数据输入特征训练模型中进行训练，生成特征模型；
通过把所述第一特征和所述第二特征输入特征模型，输出第...

【专利技术属性】
技术研发人员：邓练兵，薛剑，邹纪升，
申请(专利权)人：珠海大横琴科技发展有限公司，
类型：发明
国别省市：广东;44