一种基于卷积层特征提取的船只检索方法及装置制造方法及图纸

本发明专利技术提供一种基于卷积层特征提取的船只检索方法及装置，其中，方法包括：获取待检测图像，在所述待检测图像中提取船只目标区域；将所述船只目标区域输入卷积神经网络；根据所述卷积神经网络，提取所述船只目标区域的卷积层特征；根据相似度计算算法确定所述卷积层特征与目标船只图像的相似度，返回相似度大于第一阈值的船只图像。通过实施本发明专利技术，先将待检测图片提取出目标区域，降低了船只检索的范围，提高了检索速度。将目标区域输入卷积神经网络，并提取出卷积神经网络中的卷积层特征，利用卷积层特征与目标船只进行相似度计算，实现了快速对目标船只进行检索。

【技术实现步骤摘要】
一种基于卷积层特征提取的船只检索方法及装置
本专利技术涉及图像处理领域，具体涉及一种基于卷积层特征提取的船只检索方法及装置。
技术介绍
船只的运动情况作为临海区域感知信息的重要目标，是图像处理领域进行船只检测的重要内容。随着船只观测技术的进步，可获取的船只影像数据量快速增长。由于临海区域的船只数据中含有多种不同的场景，包括建筑区域、植被区域、山地、河流等，对于船只的识别和检索有较大干扰。研究如何从海量的船只影像数据中高效、快速的获取有效的目标船只，检索出需要的船只，成为了一个重要问题。
技术实现思路
因此，本专利技术要解决的技术问题在于克服现有技术中不能对海量的船只影像数据中高效、快速获取有效目标船只的缺陷，从而提供一种基于卷积层特征提取的船只检索方法及装置。根据第一方面，本实施例提供一种基于卷积层特征提取的船只检索方法，包括如下步骤：获取待检测图像，在所述待检测图像中提取船只目标区域；将所述船只目标区域输入卷积神经网络；根据所述卷积神经网络，提取所述船只目标区域的卷积层特征；根据相似度计算算法确定所述卷积层特征与目本文档来自技高网...

【技术保护点】
1.一种基于卷积层特征提取的船只检索方法，其特征在于，包括如下步骤：/n获取待检测图像，在所述待检测图像中提取船只目标区域；/n将所述船只目标区域输入卷积神经网络；/n根据所述卷积神经网络，提取所述船只目标区域的卷积层特征；/n根据相似度计算算法确定所述卷积层特征与目标船只图像的相似度，返回相似度大于第一阈值的船只图像。/n

【技术特征摘要】
1.一种基于卷积层特征提取的船只检索方法，其特征在于，包括如下步骤：
获取待检测图像，在所述待检测图像中提取船只目标区域；
将所述船只目标区域输入卷积神经网络；
根据所述卷积神经网络，提取所述船只目标区域的卷积层特征；
根据相似度计算算法确定所述卷积层特征与目标船只图像的相似度，返回相似度大于第一阈值的船只图像。


2.根据权利要求1所述的方法，其特征在于，所述在所述待检测图像中提取船只目标区域，包括：
将所述待检测图像输入至预设的YOLO神经网络检测模型，获取船只目标区域。


3.根据权利要求2所述的方法，其特征在于，所述预设的YOLO神经网络检测模型的构建方式是：
获取船只图像训练样本；
根据所述船只图像训练样本对所述预设的YOLO神经网络检测模型中的卷积层、池化层和全连接层进行训练，调整网络参数，得到预设的YOLO神经网络检测模型。


4.根据权利要求1所述的方法，其特征在于，所述根据相似度计算算法确定所述特征库中特征与所述目标船只图像的相似度，具体包括：
根据汉明距离计算所述特征库中特征与所述目标船只图像的相似度。


5.根据权利要求1所述的方法，其特征在于，所述卷积神经网络的构建方式为：
获取船只图像训练样本；
根据所述船只图像训练样本对预训练卷积神经网络进行训练，得到输出向量；
根据所述船只图像训练样本对应的实际结果及所述输出向量计算所述预训练神经网络模型的损失；
根据梯度反转后的损失调整所述预训练卷积神经网络的权重参数，构建卷积神经网络。


6.根据权利要求1所述的方法，其特征在于，还包括：
获取总检索次数、检索返回的图像数以及检索返回的相关图像数；
根据所述总检索次数、检索返回的图像数以及检索返回的相...

【专利技术属性】
技术研发人员：邓练兵，逯明，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