【技术实现步骤摘要】
一种船体目标自动检测识别方法
本专利技术涉及航海条件下船体目标自动识别
，尤其是涉及一种船体目标自动检测识别方法。
技术介绍
随着计算机视觉特别是目标检测领域在近几年的发展，越来越多的自动驾驶系统安装上了自动图像识别系统来确保无人驾驶的安全，同样地，在航海领域中，无人船的自动航行也需要针对船体进行自动识别来保证行船任务的安全。现有的目标检测算法很少有专门针对船体进行目标识别训练的，其算法在船体的识别精度与速度上并不高，因此需要一个特点针对船的目标检测算法来提高船体识别精度与速度。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于yolov3的并在此基础上有改进、识别精度高、识别速度快的船体目标自动检测识别方法。本专利技术的目的可以通过以下技术方案来实现：一种船体目标自动检测识别方法，包括：步骤1：获取训练数据集和测试数据集；步骤2：构建船体识别神经网络模型；步骤3：对训练数据集进行扩充，获取扩充训练数据集，使用扩充训练数据...
【技术保护点】
1.一种船体目标自动检测识别方法，其特征在于，包括：/n步骤1：获取训练数据集和测试数据集；/n步骤2：构建船体识别神经网络模型；/n步骤3：对训练数据集进行扩充，获取扩充训练数据集，使用扩充训练数据集对神经网络模型进行训练；/n步骤4：使用测试数据集对神经网络模型进行测试，判断模型精度是否满足预设精度，若是，则执行步骤5，否则，返回步骤3；/n步骤5：使用训练好的船体识别神经网络模型进行船体的自动检测识别。/n
【技术特征摘要】
1.一种船体目标自动检测识别方法，其特征在于，包括：
步骤1：获取训练数据集和测试数据集；
步骤2：构建船体识别神经网络模型；
步骤3：对训练数据集进行扩充，获取扩充训练数据集，使用扩充训练数据集对神经网络模型进行训练；
步骤4：使用测试数据集对神经网络模型进行测试，判断模型精度是否满足预设精度，若是，则执行步骤5，否则，返回步骤3；
步骤5：使用训练好的船体识别神经网络模型进行船体的自动检测识别。
2.根据权利要求1所述的一种船体目标自动检测识别方法，其特征在于，所述训练数据集的获取方法为：
使用LabelImg对船体图片进行标注，然后使用python将图片处理为txt格式文件，所有txt格式文件组成训练数据集。
3.根据权利要求1所述的一种船体目标自动检测识别方法，其特征在于，所述的训练数据集的扩充方法具体为：
使用Mixup图像增强方式将训练数据集中不同的图片进行图像像素上的混合以扩充数据集，再将扩充后的训练数据集进行尺度上的变换再次扩充训练数据集，最终将经过两次扩充的训练数据集作为最终的扩充训练数据集。
4.根据权利要求1所述的一种船体目标自动检测识别方法，其特征在于，所述步骤3中船体识别神经网络模型的训练采用混合精度训练方式。
5.根据权利要求4所述的一种船体目标自动检测识别方法，其特征在于，所述的混合精度训练方式具体为：
使用16位半精度权重计算激活函数部分，更新时使用32位单精度权重。
6.根据权利要求1所述的一种船体目标自动检测识别方法，其特征在于，所述的船体识别神经网络模型包括依次相连的改进CSPDarknet53框架(1)、第二卷积模块(2)、SPP池化层(3)、特征融合模块(4)、输出层(5)和锚框检测模块(6)；所述的改进CSPDarknet53框架(1)还与输出层(5)相连；
所述的改进CSPDarknet53框架(1)包括依次相连的第一卷积模块(101)、第一残差模块(102)、第二残差模块(103)、第三残差模块(104)、第四残差模块(105)和第五残差模块(106)；
所述的输出层(5)包括第一拼接模块(501)、第三卷积模块(502)、第四卷积模块(503)、第二拼接模块(504)、第五卷积模块(505)、第六卷积模块(506)、第一上采样模块(507)、第七卷积模块(508)和第二上采样模块(509)；
所述的第一拼接模块(501)的输入端与第三残差模块(104)相连，第一拼接模块(501)的输出端与第三卷积模块(502)...
【专利技术属性】
技术研发人员：杨子恒，曾潇然，胡智焕，刘笑成，孙志坚，张卫东，
申请(专利权)人：海之韵苏州科技有限公司，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。