一种基于高分辨率表征的水上垃圾检测方法技术

本发明专利技术涉及一种基于高分辨率表征的水上垃圾检测方法，将获取的包含水上垃圾的图像数据输入预先构建并训练好的检测网络中，输出水上垃圾检测结果；检测网络包括：高分辨率特征提取模块：将图像数据处理为高分辨率特征图，提取空间信息；语义特征提取模块：提取高分辨率特征图的语义信息；特征信息融合模块：用以融合高分辨率特征提取模块输出的空间信息和语义特征提取模块输出的语义信息，输出融合信息；多尺度检测模块：根据融合信息对多种尺度的物体进行检测，得到水上垃圾检测结果。与现有技术相比，本发明专利技术能够获得具有丰富的空间、语义信息的高分辨率特征图，结合多分支结构和多尺度检测，可以弥补现有水上垃圾检测方法的不足，提高检测性能。提高检测性能。提高检测性能。

【技术实现步骤摘要】
一种基于高分辨率表征的水上垃圾检测方法


[0001]本专利技术涉及计算机视觉领域目标检测
，尤其是涉及一种基于高分辨率表征的水上垃圾检测方法。

技术介绍

[0002]现有技术通过人工巡检、人工打捞方式对水上垃圾进行处理，但效率低下、成本高且危险性高。
[0003]随着人工智能的崛起，通过基于深度学习的目标检测算法识别水上垃圾，实现水上垃圾巡检的自动化和智能化，减少人力资源的耗费和经济上的花销。相比于陆上环境，水上领域方面现有数据集的数量和质量远远不够，同时水上环境具有多复杂性、低安全性和不稳定性等特点，水上垃圾的检测更加富有挑战性。
[0004]现有的目标检测算法大致分为两大类：基于区域推荐的两阶段方法和基于回归思想的单阶段方法，两阶段检测方法的代表算法有R
‑
CNN系列，该方法检测精度高，但计算量大，达不到实时检测。单阶段检测方法包括YOLO系列、SSD算法等，它直接将定位和分类任务一次性完成，实现端到端的检测，优点在于具有实时检测能力，但精度略低于两阶段检测算法。
[0005]虽然水上无人设备本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于高分辨率表征的水上垃圾检测方法，其特征在于，将获取的包含水上垃圾的图像数据输入预先构建并训练好的检测网络中，输出水上垃圾检测结果；所述检测网络包括：高分辨率特征提取模块：用以将图像数据处理为高分辨率特征图，提取空间信息；语义特征提取模块：用以提取高分辨率特征图的语义信息；特征信息融合模块：用以融合高分辨率特征提取模块输出的空间信息和语义特征提取模块输出的语义信息，输出融合信息；多尺度检测模块：用以根据融合信息对多种尺度的物体进行检测，得到水上垃圾检测结果。2.根据权利要求1所述的一种基于高分辨率表征的水上垃圾检测方法，其特征在于，所述高分辨率特征提取模块对图像数据的处理过程具体包括如下步骤：S201：对图像数据进行下采样，得到初始特征映射P0；S202：将初始特征映射P0在通道上等分，分别得到第一特征映射P1和第二特征映射P2，分别对第一特征映射P1和第二特征映射P2进行卷积，实现对局部上下文的提取；S203：对第一特征映射P1和第二特征映射P2卷积后的结果进行通道相加，将通道相加后的结果通过BatchNorm归一化和ReLU函数，得到第三特征映射P3；S204：将初始特征映射P0经过CBMA注意力机制处理后的结果，与第三特征映射P3跳跃连接，生成融合特征映射P4；S205：将融合特征映射P4进行降采样和特征提取，生成最终的高分辨率特征图X1。3.根据权利要求2所述的一种基于高分辨率表征的水上垃圾检测方法，其特征在于，所述S203中，由第一特征图和第二特征图生成第三特征映射P3的表达式为：F3×3(
·
)＝γ(B(C3×3(
·
)))F1×1(
·
)＝γ(B(C1×1(
·
)))P3＝γ(B(Cat[C3×3(P1)，C1×1(P2)]))式中，C3×3(
·
)代表卷积核为3
×
3的卷积操作，C1×1(
·
)代表卷积核为1
×
1的卷积操作，B(

【专利技术属性】
技术研发人员：张卫东，陈丽，谢威，杨子恒，衣博文，贺通，陆锦辉，周慧泉，范振斌，
申请(专利权)人：海南大学，
类型：发明
国别省市：