一种船只检测方法和装置制造方法及图纸

本发明专利技术实施例提供了一种船只检测方法和装置，所述方法包括：构造改进的YOLO v3 tiny检测模型；改进的YOLO v3 tiny检测模型包括输入层、主干网络和检测网络；主干网络包括多个卷积层；检测网络包括多个卷积层、第一YOLO层、第二YOLO层、第一路由层和第二路由层；获取船只图像；根据改进的YOLO v3 tiny检测模型输出船只图像的船只检测结果。相比于原始的YOLO v3 tiny检测模型，改进的YOLO v3 tiny检测模型可以使用卷积层代替池化层，同时调整网络通道数，可以提升针对小尺寸船只的检测效果。可以提升针对小尺寸船只的检测效果。可以提升针对小尺寸船只的检测效果。

【技术实现步骤摘要】
一种船只检测方法和装置


[0001]本专利技术涉及计算机
，特别是涉及一种船只检测方法和一种船只检测装置。

技术介绍

[0002]船舶遥感图像检测在渔业管理、船舶交通服务和海战等领域有着广泛的应用。特别是近年来，随着世界渔业资源的不断减少，对船舶进行有效、高效的监测，及时禁止非法捕鱼活动，船舶检测变得越来越重要。
[0003]随着深度学习理论的日益发展，深度神经网络被广泛的应用在船只检测中。然而目前用于检测船只的深度神经网络，在实时性要求较高的船只检测场景时，存在着实时性较差的问题，以及检测性能较差的问题。

技术实现思路

[0004]鉴于上述问题，提出了本专利技术实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种船只检测方法和相应的一种船只检测装置。
[0005]本专利技术实施例公开了一种船只检测方法，包括：
[0006]构造改进的YOLO v3 tiny检测模型；所述改进的YOLO v3 tiny检测模型包括输入层、主干网络和检测网络；所述主干网络包括多个卷积层；所述检测网络包括多个卷本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种船只检测方法，其特征在于，包括：构造改进的YOLO v3 tiny检测模型；所述改进的YOLO v3 tiny检测模型包括输入层、主干网络和检测网络；所述主干网络包括多个卷积层；所述检测网络包括多个卷积层、第一YOLO层、第二YOLO层、第一路由层和第二路由层；所述第一YOLO层使用针对第一尺寸类型船只的多个锚框检测第一尺寸类型船只，所述第二YOLO层使用针对第二尺寸类型船只的多个锚框检测第二尺寸类型船只；所述第一路由层连接所述检测网络中的卷积层，生成用于检测第一尺寸类型船只的第一特征图；所述第二路由层连接所述主干网络中的卷积层，生成用于检测第二尺寸类型船只的第二特征图；获取船只图像；根据所述改进的YOLO v3 tiny检测模型输出所述船只图像的船只检测结果。2.根据权利要求1所述的方法，其特征在于，所述构造改进的YOLO v3 tiny检测模型，包括：对所述主干网络设置十三个的卷积层，分别为第一卷积层至第十三卷积层；分别对所述第一卷积层至所述第十三卷积层，设置过滤器数量、卷积核尺寸、步长、输出尺寸中的至少一种。3.根据权利要求2所述的方法，其特征在于，所述构造改进的YOLO v3 tiny检测模型，还包括：对所述检测网络设置六个卷积层，分别为第十四卷积层至第十九卷积层；分别对所述第十四卷积层至所述第十九卷积层，设置过滤器数量、卷积核尺寸、输出尺寸中的至少一种。4.根据权利要求3所述的方法，其特征在于，所述构造改进的YOLO v3 tiny检测模型，还包括：将所述第一路由层连接所述第十四卷积层，以使所述第一路由层生成用于检测第一尺寸类型船只的第一特征图；对所述第一路由层设置过滤器数量、输出尺寸；将所述第二路由层连接第八卷积层，以使所述第二路由层生成用于检测第二尺寸类型船只的第二特征图；对所述第二路由层设置过滤器数量、输出尺寸。5.根据权利要求1所述的方法，其特征在于，所述构造改进的YOLO v3 tiny检测模型，包括：对所述检测网络设置针对于检测第一尺寸类型船只的...

【专利技术属性】
技术研发人员：邓练兵，李皓，
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：