基于深度学习的目标检测方法和设备及计算机可读介质技术

本发明专利技术公开了基于深度学习的目标检测方法和设备及计算机可读介质。该方法包括：将待测图像通过第一神经网络得到第一图像，所述第一图像为不包含预设异物的图像；获取所述第一图像与所述待测图像的差异值；根据所述差异值获取目标区域；将与所述目标区域相关联的图像通过第二神经网络，以对所述目标区域进行目标分类，得到与所述目标区域相对应的目标类别；以及输出与所述目标类别相关联的类别信息。本发明专利技术不需人工标注确定出预设异物在待测图像中的位置，减少人工标注的工作量，只需对目标区域进行目标检测，提高了进行目标检测的效率，并且能够适配对模糊的卫星图像的自动检测。测。测。

【技术实现步骤摘要】
基于深度学习的目标检测方法和设备及计算机可读介质


[0001]本专利技术涉及图像处理
，特别涉及基于深度学习的目标检测方法和设备及计算机可读介质。

技术介绍

[0002]目前对于发现海洋垃圾以及监察在休渔期是否有渔船进行蒲捕捞还是较多通过人工巡视的方式，即使有引入人工智能方法进行辅助，也通常只是用常规的目标检测算法，如YOLOv3、YOLOv5、SSD(Single Shot MutiBox Detectior，一种目标识别算法)等。这些算法都需要实地拍摄图像，以及对数据集进行繁琐的标注，并且标注过程往往需要人工完成，增加了工作量，且目标成像信息要求清晰才能进行较为准确的识别，不太适用卫星图像中的目标识别。

技术实现思路

[0003]本专利技术提供基于深度学习的目标检测方法和设备及存储介质，其能提高图像中目标检测的精确度。
[0004]在本专利技术的一个方面，提供一种基于深度学习的目标检测方法。该方法包括：将待测图像通过第一神经网络得到第一图像，所述第一图像为不包含预设异物的图像；获取所述第一图像与所述待测图像的差本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的目标检测方法，其特征在于，包括：将待测图像通过第一神经网络得到第一图像，所述第一图像为不包含预设异物的图像；获取所述第一图像与所述待测图像的差异值；根据所述差异值获取目标区域；将与所述目标区域相关联的图像通过第二神经网络，以对所述目标区域进行目标分类，得到与所述目标区域相对应的目标类别；以及输出与所述目标类别相关联的类别信息。2.根据权利要求1所述的目标检测方法，其特征在于，还包括：对所述待测图像进行二值化处理，得到第一二值化图像；以及对所述第一图像进行二值化处理，得到第二二值化图像，其中获取所述第一图像与所述待测图像的差异值包括：计算所述第一二值化图像与所述第二二值化图像的绝对值差。3.根据权利要求1所述的目标检测方法，其特征在于，根据所述差异值获取目标区域包括：在所述待测图像中获取差异值为预设值且大于预设面积的第一区域作为所述目标区域。4.根据权利要求3所述的目标检测方法，其特征在于，根据所述差异值获取目标区域还包括：对所述第一区域取最小正外接矩形得到矩形区域，将所述矩形区域作为所述目标区域。5.根据权利要求1至4中任一项所述的目标检测方法，其特征在于，将与所述目标区域相关联的图像通过第二神经网络包括：对所述目标区域进行图像重构，得到重构图像；将所述重构图像通过所述第二神经网络。6.根据权利要求1所述的目标检测方法，其特征在于，所述第一神经网络包括生成网络和判别网络；所述目标检测方法还包括：获取第一训练数据集，所述第一训练数据集包括含有预设异物的第二图像、以及与所述第二图像对应的且不含有所述预设异物的第三图像；将所述第二图像通过所述生成网络，得到与所述第二图像对应的且不含有所述预设异物的第四图像；将所述第...

【专利技术属性】
技术研发人员：吴丽，张昊，翁温民，
申请(专利权)人：瑞芯微电子股份有限公司，
类型：发明
国别省市：