一种船舶目标检测方法及系统技术方案

本发明专利技术公开了一种船舶目标检测方法，包括：将船舶目标图像数据标注后制作成训练样本集；构建基于YOLO v3轻量化的特征提取主干网络；根据特征提取主干网络建立基于YOLO v3改进的船舶目标检测网络模型；利用训练样本集对船舶目标检测网络模型进行训练；通过训练好的船舶目标检测网络模型对待检测的船舶图像数据进行检测，本发明专利技术提高了目标的检测速度。本发明专利技术提高了目标的检测速度。本发明专利技术提高了目标的检测速度。

【技术实现步骤摘要】
一种船舶目标检测方法及系统


[0001]本专利技术属于目标检测
，尤其涉及一种船舶目标检测方法及系统。

技术介绍

[0002]目标检测是计算机视觉领域重要的研究方向之一，其在智能视频监控、医学图像分析、行为理解、视觉导航等方面有着广泛的应用。目前国内外学者主要关注的问题集中在相似目标干扰、目标尺度变化、外观模糊、遮挡以及实际应用中目标检测系统实时性等情况下的检测鲁棒性、准确性提高上。
[0003]近年来，基于深度学习的目标检测方法备受关注，由于其卓越的特征描述能力、鲁棒的检测性能，正逐渐成为当前目标检测的主流。Ren S Q等在IEEE Transactions on Pattern Analysis and Machine Intelligence(2017,39(6):1137
‑
1149)上发表的文章“Faster R
‑
CNN：towards real
‑
time object detection with region proposal networks”中，提出基于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种船舶目标检测方法，其特征在于，包括：将船舶目标图像数据标注后制作成训练样本集；构建基于YOLO v3轻量化的特征提取主干网络；根据特征提取主干网络建立基于YOLO v3改进的船舶目标检测网络模型；利用训练样本集对船舶目标检测网络模型进行训练；通过训练好的船舶目标检测网络模型对待检测的船舶图像数据进行检测。2.根据权利要求1所述的船舶目标检测方法，其特征在于：所述特征提取主干网络包括P个CBLM单元和Q个CBL单元组成；其中CBML单元由一个CBL单元和一个最大池化层构成；CBL单元由二维卷积、批归一化和非线性激活函数构成。3.根据权利要求1所述的船舶目标检测方法，其特征在于：船舶目标检测网络模型的预测结构具体为：采用特征金字塔结构实现s1×
s1和s2×
s2两个尺度特征图的预测输出，其中第一个尺度为原图像的N1倍降采样输出，第二个尺度融合了原图像的倍降采样输出与N1倍降采样输出得到。4.根据权利要求2所述的船舶目标检测方法，其特征在于：通过对训练样本集中船舶目标候选框尺度进行聚类分析以确定船舶目标检测网络模型所需的目标候选框先验尺度参数。5.根据权利要求4所述的船...

【专利技术属性】
技术研发人员：路红，彭俊，陈桂，花湘，邱春，秦彬鑫，万文明，
申请(专利权)人：南京工程学院，
类型：发明
国别省市：