一种基于改进YOLOv2模型的海上目标检测识别方法和处理装置制造方法及图纸

本发明专利技术公开了一种基于改进YOLOv2模型的海上目标的检测识别方法和处理装置，其基于改进YOLOv2模型的海上目标检测方法，包括以下步骤：步骤A，基于生成对抗网络(GAN)训练有雾图像，经过若干次迭代得到GAN的生成器作为去雾网络，利用去雾网络对原始图像进行高清晰度训练处理得到高清晰化训练图像；步骤B，利用基于YOLOv2网络的目标检测模型对步骤A的高清晰化训练图像进行目标检测，识别图像中是否存在对应的目标。本发明专利技术能够很好地克服海洋多变气候产生的有雾图像对目标检测的影响，通过去雾再检测的操作，本发明专利技术实时性好，准确率高。准确率高。

【技术实现步骤摘要】
一种基于改进YOLO v2模型的海上目标检测识别方法和处理装置


[0001]本专利技术涉及计算机视觉领域的目标检测方法，特别涉及一种基于改进YOLO v2模型的海上目标的检测识别方法和处理装置。

技术介绍

[0002]近年来，随着我国综合实力的提升及国家统一战略的需要，我国大力发展海洋军事，为了应对潜在敌人强大海军力量的威胁，对于敌人航母的检测与精准识别成为一重要课题。众所周知，航母舰岛属于航母的“头部”，起着指挥调度的作用，这就要求我方能够实时快速地识别出敌方舰岛并实施精准打击。现有的雷达探测方法不能够很好识别出航母上的舰岛，引入图像识别是现代化信息化海战的应有之意。此外，多变的海洋气象状况和海水运动导致海洋中时有大雾大雨天气，这就为航母舰岛的精准实时检测带来了挑战。
[0003]现有的图像目标检测算法基本可分成两类：Two
‑
stage类别的目标检测算法和One
‑
stage类别的目标检测算法。
[0004]Two
‑
stage类别的目标检测算法是先由算法生成一系列作为样本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进YOLO v2模型的海上目标检测方法，其特征在于，包括以下步骤：步骤A，基于生成对抗网络(GAN)训练有雾图像，经过若干次迭代得到GAN的生成器作为去雾网络，利用去雾网络对原始图像进行高清晰度训练处理得到高清晰化训练图像；步骤B，利用基于YOLO v2网络的目标检测模型对步骤A的高清晰化训练图像进行目标检测，识别图像中是否存在对应的目标。2.如权利要求1所述的一种基于改进YOLO v2模型的海上目标检测方法，其特征在于，所述步骤A包括以下步骤：S11，基于大气散射模型的雾天图像成像模型将所述的高清晰度训练图像合成有雾图像；S12，将所述的高清晰度训练图像和步骤S11得到的相应的合成有雾图像输入生成对抗网络进行若干次迭代，得到可作为去雾网络的生成器。3.如权利要求2所述的一种基于改进YOLO v2模型的海上目标检测方法，其特征在于，在所述步骤S12中，所述步骤S11得到的相应的合成有雾图像当作所述生成器的输入图像，而将高清晰度训练图像当作真实图像。4.如权利要求3所述的一种基于改进YOLO v2模型的海上目标检测方法，其特征在于，将所述生成器的生成图像与真实图像作为所述生成对抗网络的判别器输入，在判别器中进行判别；所述生成对抗网络中的生成器的生成图像与真实图像在对抗中互相优化，优化后继续对抗，经过若干次迭代训练后以达到最终的平衡状态，此时经过训练后的生成器即可成为所述的去雾网络。5.如权利要求4所述的一种基于改进YOLO v2模型的海上目标检测方法，其特征在于，所述的生成器为基于DehazeNet的神经网络，相较于原始DehazeNet网络，该生成器删去了其maxout激活函数，以加快计算速度。6.如权利要求5所述的一种基于改进YOLO v2模型的海上目标检测方法，其特征在于，所述判别器选用AlexNet网络。7.如权利要求1所述的一种基于改进YOLO v2模型的海上目标检测方法，其特征在于，所述步骤B中的基于改进YOLO v2网络的目标检测模...

【专利技术属性】
技术研发人员：成新明，夏利民，肖久胜，贺建飚，
申请(专利权)人：中南大学，
类型：发明
国别省市：