【技术实现步骤摘要】
一种基于轻量化YOLOv4的水下鲸鱼目标检测方法
[0001]本专利技术属于水下鲸鱼检测
，特别涉及一种基于轻量化YOLOv4的水下鲸鱼目标检测方法。
技术介绍
[0002]随着人类的过度捕捞，让部分以鲸鱼为代表的海洋生物濒临灭种，许多国家逐渐意识到海洋保护的重要性。我国在2017年发布的《中华白海豚保护行动计划(2017
‑
2026年)》中提出“引进和研发我国中华白海豚的监测新技术和系统”。鲸鱼等水下生物检测的新方法和设备成为人们研究的重点。
[0003]人类目前对水下世界的研究正处在探索阶段，通常采用回声定位方法，声纳检测方法，图像识别方法作为水下探测方法。深度学习技术在水下生物研究领域有着广泛的应用。但目前的识别方法多基于离线视频或图像来解决水下目标检测问题。海洋生物活动范围大、流动性强，监测设备具备在线检测能力，及时发现特定海洋生物并实时上报，才能更好的满足海洋动物保护以及海洋生物栖息地调查等需求。
[0004]如图1所示，YOLOv4算法是一种两阶段目标检测算法，YOLOv4...
【技术保护点】
【技术特征摘要】
1.一种基于轻量化YOLOv4的水下鲸鱼目标检测方法，其特征在于，包括如下步骤：步骤一、构建轻量化YOLOv4网络模型，其包括骨干网络，颈部网络和头部网络；以及采集多张鲸鱼图像作为原始图像，并对所述原始图像进行扩容，得到训练样本集；其中，所述骨干网络包括第一单元、第二单元和第三单元；所述第一单元包括CHB结构和多个bneck结构，所述第二单元和所述第三单元分别包括多个bneck结构；所述颈部网络和所述头部网络均设置有深度可分离卷积和ReLU6激活函数；步骤二、采用所述训练样本集对所述轻量化YOLOv4网络模型进行训练，得到鲸鱼目标检测网络；步骤三、采用所述鲸鱼目标检测网络对水下图像进行目标检测，识别出所述水下图像中的鲸鱼图像。2.根据权利要求1所述的基于轻量化YOLOv4的水下鲸鱼目标检测方法，其特征在于，在所述步骤一中，对所述原始图像进行扩容的方法为：随机筛选取出一部分所述原始图像，并对筛选出的所述原始图像采用随机擦除、锐化和加入噪声的方法分别进行数据增强，得到多张所述原始图像的增强图像；将所述原始图像与所述增强图像混合，得到扩容的图像样本集。3.根据权利要求2所述的基于轻量化YOLOv4的水下鲸鱼目标检测方法，其特征在于，在所述步骤一中，将扩容的图像样本集按8:1:1的比例划分为训练样本集、验证样本集和测试样本集。4.根据权利要求3所述的基于轻量化YOLOv4的水下鲸鱼目标检测方法，其特征在于，所述第一单元包括1个普通卷积结构和6个bneck结构，所述第二单元包括6个bneck结构，所述第三单元包括3个bneck结构；其中，所述第一单元中的bneck结构采用ReLU激活函数，所述第二单元中的bneck结构采用h
‑
swish激活函数，所述第三单元采用h
‑
swish激活函数。5.根据权利要求3或4所述的基于轻量化YOLOv4的水下鲸鱼目标检测方法，其特征在于，在所述步骤二中，对所述轻量化YOLOv4网络模型进行训练的方法为：采用尺寸为416
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。