基于Yolo-v3算法的水下声呐侧扫图像小目标检测方法技术

本发明专利技术涉及基于YoLo

【技术实现步骤摘要】
基于Yolo
‑
v3算法的水下声呐侧扫图像小目标检测方法


[0001]本专利技术涉及一种目标检测方法，具体说是一种基于YoLo
‑
v3算法的水下声呐侧扫图像小目标检测方法。

技术介绍

[0002]近年来，水下机器人，如自主水下航行器(AUV)和远程操作航行器(ROV)等，通常用于水下物体探测。对于近距离目标识别，通常采用视觉传感器获取高质量的图像。在水下观测中，由于高浊度水中悬浮粒子的散射，所捕获的水下图像能见度较差。因此，针对广泛的水下目标探测任务，设计一种协同的水下目标探测系统迫在眉睫。协同水下目标检测系统采用信息丰富的声纳图像和光学图像对水下目标进行检测，近年来在海洋监测中得到了广泛的应用。然而，人工分析每天产生的海量水下声纳图像数据是一项繁琐且耗时的工作。因此，一个目标自动检测与识别系统对于减少耗时和昂贵的人工输入具有重要的实用价值。

技术实现思路

[0003]针对上述技术的不足本专利技术的目的是提供一种基于YoLo
‑
v3算法的水下声呐侧扫图像小目标检测方法。...

【技术保护点】

【技术特征摘要】
1.基于YoLo
‑
v3算法的水下声呐侧扫图像小目标检测方法，其特征在于，包括：S1、预先采集带有目标的水下声呐侧扫图像，对声呐图像中待检测的目标进行标注，并建立带有目标标注的声呐侧扫图像集合；S2、基于YoLo
‑
v3方法结合水下声呐侧扫图像进行训练，建立目标检测网络，用于实现光学和声学水声目标检测的互补、准确检测水声目标；S3、实时采集带有目标的水下声呐侧扫图像，输入该YoLo
‑
v3网络结构进行识别检测，获取水下目标中心的预测框以及坐标。2.根据权力要求1所述的基于YoLo
‑
v3算法的水下声呐侧扫图像小目标检测方法，其特征在于，所述标注为对水下声呐侧扫图像中的目标用矩形框进行模糊标注。3.根据权力要求1所述的基于YoLo
‑
v3算法的水下声呐侧扫图像小目标检测方法，其特征在于，所述基于YoLo
‑
v3方法结合水下声呐侧扫图像进行训练，包括：是采用模糊标注的水下声呐侧扫图像数据集训练YoLo
‑
v3网络中Darknet
‑
53网络的参数，并根据损失函数反向传播调整Darknet
‑
53网络的参数。4.根据权力要求1所述的基于YoLo
‑
v3算法的水下声呐侧扫图像小目标检测方法，其特征在于，所述综合损失函数E＝E1+E2，其中，E1表示真实检测框与预测的目标框的交叉熵损失函数，E2表示坐标损失函数；当综合损失函数E满足阈值要求时停止网络参数的更新迭代。5.根据权利要求3或4述的基于YoLo
‑
v3算法的水下声呐侧扫图像小目标检测方法，其特征在于，所述采用模糊标注的水下声呐侧扫图像数据集训练YoLo
‑
v3算法中Darknet
‑
53网络的参数，包括：将水下声呐侧扫...

【专利技术属性】
技术研发人员：韩志，王艳美，余思泉，唐延东，
申请(专利权)人：中国科学院沈阳自动化研究所，
类型：发明
国别省市：