一种船舶检测方法、系统及计算机存储介质技术方案

本发明专利技术公开一种船舶检测方法、系统及计算机存储介质。其中，该方法包括：将原始训练集进行复制，并将复制好的图片从不同种类的数据增强中随机选择一种进行数据增强，将上述图片进行模型训练，得到第一更新船舶检测模型；对原始训练集进行不同种类的数据增强，得到增强训练集；将原始训练集、增强训练集通过第一更新船舶检测模型进行训练，计算得到全部目标的差异值，根据差异值将目标进行裁剪并粘贴到对应的原始图片中并进行融合操作，以使目标与原始图片的边缘虚化，中心突出；本发明专利技术利用原始迭代图片对增强迭代图片的引导，使模型不仅能学习原始迭代图片特征，还能学习各种场景下的增强迭代图片特征，提高不同环境下的准确率和降低错误率。低错误率。低错误率。

【技术实现步骤摘要】
一种船舶检测方法、系统及计算机存储介质


[0001]本专利技术涉及目标检测
，具体而言，涉及一种船舶检测方法、系统及计算机存储介质。

技术介绍

[0002]随着水上交通的不断发展，导致水上交通指挥工作人员的作业量急剧上升。其中船舶检查是水上交通的重要工作之一，为了减少水上交通工作人员监视船舶的工作量，船舶检测在水上交通被广泛使用。但水上交通环境背景复杂且受到白天晚上光照影响，以及人为因素在训练集标定所犯的人为错误，目前的船舶检测方法在船舶检测中存在以下问题：（1）水上交通复杂，数据采集无法全面采集，对环境拟合存在问题，误检偏多；（2）水上交通实时监测，受到一年四季和一天光线变换影响；（3）拷贝粘贴的目标存在比较明显的图像分界线；（4）因人工出现错误标定结果。
[0003]针对上述问题，目前尚未提出有效的解决方案。

技术实现思路

[0004]本专利技术实施例中提供一种船舶检测方法、系统及计算机存储介质，以解决现有技术中水上交通复杂，数据采集无法全面采集，对环境拟合存在问题，误检偏多；水上交通实时监测，受到一年四季和一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种船舶检测方法，其特征在于，包括：S1，从原始训练集中抽取原始迭代图片；对每张原始迭代图片分别进行复制，将复制好的每张原始迭代图片从不同种类的数据增强中随机选择一种进行数据增强，得到增强迭代图片；S2，将每张原始迭代图片输入到所述初始船舶检测模型中进行模型训练，得到原始目标预测结果；以及将每张增强迭代图片输入到所述初始船舶检测模型中进行模型训练，得到增强目标预测结果；根据所述原始目标预测结果和所述增强目标预测结果计算得到迭代总损失值；根据所述迭代总损失值对所述初始船舶检测模型进行更新，得到当前迭代船舶检测模型；将原始训练集全部图片训练完，得到第一更新船舶检测模型以及第一轮总损失值；S3，将原始训练集输入到所述第一更新船舶检测模型中进行模型训练，得到每个目标的原始损失值；将原始训练集中每张图片分别进行不同种类的数据增强得到增强训练集，将所述增强训练集输入到所述第一更新船舶检测模型中进行模型训练，得到每个目标的增强损失值；根据所述原始损失值、所述增强损失值计算得到增强训练集中每个目标的差异值；将全部的所述差异值从大到小排列，并将排列后的第一预设范围内的差异值对应的目标进行裁剪；将裁剪的目标粘贴到对应的原始图片中并进行融合操作，以使目标与所述原始图片的边缘虚化，中心突出，得到第一粘贴图片集；S4，将所述第一粘贴图片集进行S1、S2操作，得到第二更新船舶检测模型以及第二轮总损失值；S5，将所述原始训练集输入到所述第二更新船舶检测模型，重复S3操作，得到第二粘贴图片集；S6，重复所述S4、S5，直至第二轮总损失值在第二预设范围内波动，停止模型训练，得到目标船舶检测模型；S7，将待检测图片输入到所述目标船舶检测模型中进行检测，得到目标位置和类别。2.根据权利要求1所述的方法，其特征在于，所述融合操作通过以下公式计算：；；；；其中，为裁剪的目标对角线的距离，为裁剪的目标的宽，为裁剪的目标的高，为超参，为裁剪的目标中任意一个像素点距离裁剪的目标中心点的距离，为裁剪的目标像素的比例，为原始图片的比例，为裁剪的目标的像素值，为原始图片中对应要粘贴的位置的像素值，为融合后的图片的像素值。
3.根据权利要求1所述的方法，其特征在于，所述S2包括：S21，将每张原始迭代图片输入到所述初始船舶检测模型中进行模型训练，得到原始目标预测结果，以及每张原始迭代图片的原始类别损失和原始回归损失；S22，将所述原始目标预测结果中预测目标框的坐标和原始目标标定结果中标定目标框的坐标进行交并比匹配得到与原始标定目标框最匹配的原始预测目标框，并将最匹配的原始预测目标框的类别赋值到原始标定目标框；S23，将每张增强迭代图片输入到所述初始船舶检测模型中进行模型训练，得到增强目标预测结果；根据所述增强目标预测结果、增强目标标定结果、所述与原始标定目标框最匹配的原始预测目标框、赋值后的原始标定目标框的类别计算得到每张增强迭代图片的增强类别损失和增强回归损失；S24，根据所述原始类别损失、所述原始回归损失、所述增强类别损失和所述增强回归损失计算得到迭代总损失值；根据所述迭代总损失值对所述初始船舶检测模型进行更新，得到当前迭代船舶检测模型；S25，重复所述S21~S24直至将原始训练集全部图片训练完，得到第一更新船舶检测模型以及第一轮总损失值。4.根据权利要求3所述的方法，其特征在于，所述获取最匹配的原始预测目标框根据以下公式计算：；其中，为与原始标定目标框最匹配的原始预测目标框，为最大值，为原始标定目标框的数量，为第个原始标定目标框，为原始预测目标框的数量，为第个原始预测目标框，为交并比，为第个原始标定目标框的坐标，为第个原始预测目标框的坐标。5.根据权利要求3所述的方法，其特征在于，所述将最匹配的原始预测目标框的类别赋值到原始标定目标框根据以下公式计算：；其中，为赋值后的原始标...

【专利技术属性】
技术研发人员：陈江海，鲁杰，曹彩霞，吴显德，张进虎，
申请(专利权)人：浙江华是科技股份有限公司，
类型：发明
国别省市：