一种面向小样本水下图像的目标识别方法及系统技术方案

本发明专利技术公开了一种面向小样本水下图像的目标识别方法及系统，包括对水域环境进行成像，对生成的图片进行预处理；选择学习模式及深度学习框架，进行训练；存储模型训练结果，对训练结果进行评估；该方法和系统集成了非常全面的图像处理操作和深度学习模型，能够帮助使用者采用不同的方式不同的组合来实现水下目标的训练和识别，并对比预测效果，存储有效的组合方案，以供后续研究参考，有效地解决了在小样本水下图像的目标识别研究中，无方案可循，无方法可依，受限于个人专业经验的问题，且本发明专利技术能实现深度学习框架的自动部署和加速学习，可以部署在多个开发平台，易于推广，使用简单，极大地了节约了人力和时间成本。

【技术实现步骤摘要】
一种面向小样本水下图像的目标识别方法及系统
本专利技术涉及水下目标识别的
，尤其涉及一种小样本水下图像的目标识别方法及系统。
技术介绍
在水下目标识别中，由于环境的局限性，导致光学成像受阻，远距离方向通常只能采用声学成像，即借助声呐设备进行目标搜索。但由于水下声学介质多变，信号传输过程中易受到干扰，导致目标的声呐图像质量低、噪声多、特征不明显。由于水下环境的未知性，大多数目标是小样本的，稀有的，因此获取的目标图像数据非常少，在处理此类目标图像时，只能依靠研究人员的经验来操作，没有成熟的处理方案，更没有系统的模型来针对性地训练水下图像，对水下目标进行分析时，图像处理流程复杂且模块间关联性不强，未知的、小样本的水下图像没有成熟的处理方法可参考，浪费了大量的人力资源和时间资源，对于这些小样本的，陌生的数据，图像处理方法操作只能尝试性地选择，验证性也不足，严重影响了目标的识别效率。
技术实现思路
本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可本文档来自技高网...

【技术保护点】
1.一种面向小样本水下图像的目标识别方法，其特征在于：包括，/n对水域环境进行成像，对生成的图片进行预处理；/n选择学习模式及深度学习框架，进行训练；/n存储模型训练结果，对训练结果进行评估。/n

【技术特征摘要】
1.一种面向小样本水下图像的目标识别方法，其特征在于：包括，
对水域环境进行成像，对生成的图片进行预处理；
选择学习模式及深度学习框架，进行训练；
存储模型训练结果，对训练结果进行评估。


2.如权利要求1所述的面向小样本水下图像的目标识别方法，其特征在于：所述成像包括光学成像、声学成像。


3.如权利要求2所述的面向小样本水下图像的目标识别方法，其特征在于：所述预处理包括，
灰度化、图像降噪或去雾、二值化、形态学变换、ROI区域划分、特征提取以及绘制最小轮廓。


4.如权利要求3所述的面向小样本水下图像的目标识别方法，其特征在于：所述学习模式包括，全新学习、迁移学习以及联合学习；所述深度学习框架包括，Tensorflow或Pytorch。


5.如权利要求4所述的面向小样本水下图像的目标识别方法，其特征在于：所述模型训练中模型包括，SSD、YOLOv3、YOLOv4、F-CNN；所述评估指标包括，F1-score、recall、mAP、Precision。


6.一种面向小样本水下图像的目标识别系统，其特征在于：包括，
成像模块(100)用于对水下目标区域进行成像；
图片预处理模块(200)连接所述成像模块(100)，用于...

【专利技术属性】
技术研发人员：于昌利，周晓滕，
申请(专利权)人：山东船舶技术研究院，哈尔滨工业大学威海，
类型：发明
国别省市：山东;37