水下目标检测方法、装置、电子设备及存储介质制造方法及图纸

本申请提供了一种水下目标检测方法，该方法包括：获取水下目标的多个图片，以形成训练集；对训练集中的所述多个图片进行随机取样，并将所采样的图片的尺寸进行缩放，以获得增强数据；提取并输出增强数据的特征；对特征进行回归和分类操作；以及根据提取特征的尺度进行训练和测试，从而得到目标的检测结果。通过上述方法，其能够显著地提升模型的泛化能力和检测的准确率。测的准确率。测的准确率。

【技术实现步骤摘要】
水下目标检测方法、装置、电子设备及存储介质


[0001]本申请涉及图像处理和计算机视觉技术，尤其涉及基于深度学习的水下目标检测方法、装置、设备及计算机可读存储介质。

技术介绍

[0002]随着海洋观测的快速发展，水下物体检测别在海军沿海防御任务以及渔业、水产养殖等海洋经济中发挥着越来越重要的作用。水下图像是海洋信息的重要载体，目标检测作为当前人工智能领域的学术热点，应用前景非常广泛。该技术对于军事活动、资源勘测、海洋噪声污染保护等方面有着巨大的作用。
[0003]现有技术的水下目标检测方法主要通过降采用重组、多级融合、优化聚类候选框等技术手段，来提高目标识别的准确率并提升算法的计算速度。然而，现有技术的这些水下目标检测方法中，模型的泛化能力和检测的准确率仍有待进一步提高。

技术实现思路

[0004]本申请的目的在于提供一种基于深度学习的水下目标检测方法、装置、电子设备及计算机可读存储介质，其能够显著地提升模型的泛化能力和检测的准确率。
[0005]本申请的目的采用以下技术方案实现：
[0006]第一方面，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种水下目标检测方法，其特征在于，所述方法包括：获取水下目标的多个图片，以形成训练集；对所述训练集中的所述多个图片进行随机取样，并将所采样的图片的尺寸进行缩放，以获得增强数据；提取并输出所述增强数据的特征；对所述特征进行回归和分类操作；根据提取所述特征的尺度进行训练和测试，从而得到水下目标检测模型；以及将待检测图片输入所述水下目标检测模型，得到所述待检测图片的检测结果。2.根据权利要求1所述的水下目标检测方法，其特征在于，通过残差网络+固定模式噪声网络的提取网络来提取所述特征。3.根据权利要求2所述的水下目标检测方法，其特征在于，所述残差网络包括多个处理阶段，以产生多个特征图，并且每个所述处理阶段均包括至少一个卷积残差块和多个恒等残差块。4.根据权利要求3所述的水下目标检测方法，其特征在于，每个所述卷积残差块包括至少一个残差支路和多个层；并且所述多个恒等残差块中的每个恒等残差块包括至少一个残差支路和多个层。5.根据权利要求2所述的水下目标检测方法，其特征在于，在所述固定模式噪声网络中，对所述特征图进行多尺度差值处理，以产生所述特征。6.根据权利要求1所述的水下目标检测方法，其特征在于，通过反向传播算法对在特征提取...

【专利技术属性】
技术研发人员：陈海波，
申请(专利权)人：深延科技北京有限公司，
类型：发明
国别省市：