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。结合第一方面，在第一方面第一实施方式中，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。结合第一方面，在第一方面第二实施方式中，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。结合第一方面第二实施方式，在第一方面第三实施方式中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。结合第一方面，在第一方面第四实施方式中，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。结合第一方面，在第一方面第五实施方式中，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；根据总检索次数、检索返回的图像数、检索返回的相关图像数及截断值为k时的查准率计算平均检索精度；所述平均检索精度的计算方式为：其中，AveP为平均查准率，Q表示总检索次数，q表示第q次检索，AveP由获得，式中，m为总检索次数返回的相关图像数，P(k)为截断值为k时的查准率，用表示，其中n表示一次检索返回的相关图像数，k表示一次检索返回的图像数，rel(k)为指示函数，当返回图像序列中排序为k的图像是相似图像时rel(k)＝1，反之，rel(k)＝0。根据第二方面，本实施例提供一种基于卷积层特征提取的船只检索装置，包括：待检测图像获取模块，用于获取待检测图像，在所述待检测图像中提取船只目标区域；目标区域输入模块，用于将所述船只目标区域输入卷积神经网络；特征提取模块，用于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；相似度计算模块，用于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。结合第二方面，在第二方面第一实施方式中，还包括：样本获取模块，用于获取船只图像训练样本；输出向量模块，用于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；损失获取模块，用于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；神经网络构建模块，用于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。根据第三方面，本实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面或第一方面任一实施方式所述的基于卷积层特征提取的船只检索方法的步骤。根据第四方面，本专利技术实施例提供一种存储介质，其上存储有计算机指令，该指令被处理器执行时实现第一方面或第一方面任一实施方式所述的基于卷积层特征提取的船只检索方法的步骤。本专利技术技术方案，具有如下优点：1.本专利技术提供的一种基于卷积层特征提取的船只检索方法，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。2.本专利技术提供的预设的YOLO神经网络检测模型用于获取船只目标区域，YOLO神经网络具有速度快、精度高的特点，从而提高了整船只检索方法的精度和速度。3.本专利技术提供的基于卷积层特征提取的船只检索方法，根据损失利用梯度下降法的方式对卷积神经网络进行训练，提高了卷积神经网络对特征提取的准确率。4.本专利技术提供的基于卷积层特征提取的船只检索方法，通过汉明距离计算图像之间的相似度，由于汉明距离的计算方式简单，且快速，能够提高船只检索的速度。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例中基于卷积层特征提取的船只检索方法的一个具体示例的流程图；图2为本专利技术实施例中基于卷积层特征提取的船只检索装置的一个具体示例的原理框图；图3为本专利技术实施例中电子设备的一个具体示例的原理框图。具体实施方式下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。在本专利技术的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。在本专利技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无本文档来自技高网...

【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