一种基于神经网络的无人机航拍水面漂浮物识别方法技术

一种基于神经网络的无人机航拍水面漂浮物识别方法，包括以下步骤：将航拍水面漂浮物图像输入ResNet

【技术实现步骤摘要】
一种基于神经网络的无人机航拍水面漂浮物识别方法


[0001]本专利技术涉及人工智能神经网络
，具体为一种基于神经网络的无人机航拍水面漂浮物识别方法。

技术介绍

[0002]随着人工智能的快速发展，对高效的智能视觉系统提出了更高的要求。为了解决计算机视觉中更高语义的任务，如物体识别、行为分析以及运动分析等，过去几十年研究人员开发了众多检测和跟踪算法。2012年被认为是目标检测的里程碑，2012年之前多数为传统的目标检测方法，如HOG(Histogram of Oriented Gradient，方向梯度直方图)、DPM(Deformable Part Model，可变形的组件模型)等。从2012年开始，随着深度学习的发展，基于卷积神经网络的目标检测算法可以分为两类：一类是基于回归的算法，包括SSD网络(Single Shot MultiBox Detector)、YOLO网络(You Only Look Once)、Retina
‑
Net网络；另一个是基于区域的算法，包括R
‑
CNN网络(Region...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的无人机航拍水面漂浮物识别方法，其特征在于，包括以下步骤：ResNet
‑
50网络生成特征图：将航拍水面漂浮物图像输入所述ResNet
‑
50网络中，得到特征图；CC
‑
FPN网络生成融合特征图：将所述特征图输入到所述CC
‑
FPN网络中，生成融合特征图；S
‑
RPN网络生成候选框：将所述融合的特征图输入到所述S
‑
RPN网络中，生成候选框；ROI Align层生成候选特征图：将所述融特征图和候选框输入到所述ROI Align层，生成候选特征图；全连接层生成检测框：将所述候选特征图输入所述全连接层，生成检测框。2.根据权利要求1所述的一种基于神经网络的无人机航拍水面漂浮物识别方法，其特征在于，所述ResNet
‑
50网络包括拼接形式。3.根据权利要求1所述的一种基于神经网络的无人机航拍水面漂浮物识别方法，其特征在于，所述CC
‑
FPN网络包括CAG模块。4.根据权利要求3所述的一种基于神经网络的无人机航拍水面漂浮物识别方法，其特征在于，所述CAG模块用于融合上下层的信息，CAG模块注意力机制的执行过程为：CA(x)＝σ(fc1(AvgPool(x))+fc2(MaxPool(x)))其CA(x)为注意力函数，σ为Sigmoid激活函数，fc1,fc2为特征提取函数，Avgpool是平均池化函数，是对范围内的特征点取平...

【专利技术属性】
技术研发人员：齐文海，陈文浩，宗广灯，曹佃国，孙海滨，杨东，卢立晖，
申请(专利权)人：曲阜师范大学，
类型：发明
国别省市：