【技术实现步骤摘要】
一种沉船检测方法、系统、电子设备及存储介质
[0001]本专利技术涉及目标检测
，特别是涉及一种沉船检测方法、系统、电子设备及存储介质。
技术介绍
[0002]自21世纪以来，人类对海洋资源的需求逐渐增大，对海洋资源的开采利用成为各国重要的发展战略方向。为此，需要提出一种可靠的海洋海底目标探测手段。由于可见光和红外线等探测方法在海水中受到很大限制，而声呐系统采用的声波在海水中具有很强的穿透性，传播范围广，精度也较高，因此声呐探测成为探测海洋的主要手段。
[0003]目前，基于深度学习的目标检测技术已经被广泛应用到光学领域。但是声呐成像与光学成像区别极大，受海底混响等影响，成像噪声大；受拖曳角度和海况影响，实例特征并不明显而且易产生较大变形；由于海底开阔，难以观察，能收集到的数据量也无法与光学图像相比。因此，针对普通光学图像的数据集及目标检测网络框架无法适用于声呐成像的海底探测中，其虚警率往往较高，而精度也达不到工程上的应用标准。
[0004]进一步的，沉船检测是该领域具有重要现实意义的难点之一。在蒸汽轮...
【技术保护点】
【技术特征摘要】
1.一种沉船检测方法，其特征在于，包括：构建风格迁移数据集；所述风格迁移数据集包括内容图像数据集和风格图像数据集，所述内容图像数据集中内容图像为对沉船进行标注的良好水域下的侧扫声呐图像，所述风格图像数据集中风格图像为未对沉船进行标注的浑浊水域下的侧扫声呐图像；基于所述内容图像数据集和所述风格图像数据集，采用风格迁移网络模型将所述内容图像数据集中内容图像生成对沉船有标注的浑浊水域下的侧扫声呐仿真图像；根据所述风格迁移数据集和所述侧扫声呐仿真图像对目标检测网络进行训练，获得目标检测模型；获取待检测水域下的侧扫声呐图像；将所述待检测水域下的侧扫声呐图像输入所述目标检测模型，获得沉船检测结果。2.根据权利要求1所述的沉船检测方法，其特征在于，所述风格迁移网络模型具体包括：第一生成器、第二生成器、第一鉴别器和第二鉴别器；所述第一生成器用于将所述内容图像数据集中内容图像X的风格迁移为风格仿真图像X
’
；在所述风格迁移网络模型训练过程中，所述第二生成器用于将风格图像Y的风格迁移为内容仿真图像Y
’
，其中，内容图像X表示良好水域下的侧扫声呐图像，风格仿真图像X
’
为浑浊水域下的侧扫声呐图像，风格图像Y表示浑浊水域下的侧扫声呐图像，内容仿真图像Y
’
表示良好水域下的侧扫声呐仿真图像；所述第一生成器还用于将风格仿真图像X
’
的风格迁移回内容仿真图像X”，内容仿真图像X”为包含沉船的良好水域下的侧扫声呐仿真图像；所述第二生成器还用于将内容仿真图像Y
’
的风格迁移回风格仿真图像Y”，内容仿真图像Y”为包含沉船的浑浊水域下的侧扫声呐仿真图像；所述第一鉴别器用于输出所述第一生成器将内容图像迁移为风格图像的概率，并通过反向传播优化所述第一生成器；所述第二鉴别器用于输出所述第二生成器将风格图像迁移为内容图像的概率，并通过反向传播优化所述第二生成器。3.根据权利要求2所述的沉船检测方法，其特征在于，所述风格迁移网络模型还包括随机色移模块和第三鉴别器；在所述风格迁移网络模型训练过程中，所述随机色移模块用于对所述第一生成器输出的风格仿真图像X
’
进行随机色移操作生成第一随机色移图像，所述随机色移模块用于对风格图像数据集中风格图像Y进行随机色移操作生成第二随机色移图像，所述第三鉴别器用于对所述第一随机色移图像和所述第二随机色移图像进行鉴别。4.根据权利要求3所述的沉船检测方法，其特征在于，所述风格迁移网络模型优化过程中总损失函数表示为：其中，L(G
X
,G
Y
,D
X
,D
Y
,D
t
,X,Y)表示所述总损失函数，G
X
表示所述第一生成器，G
Y
表示所述第二生成器，X表示内容图像，Y表示风格图像，D
X
表示所述第一鉴别器，D
Y
表示所述第二鉴别器，D
t
表示所述第三鉴别器，L
cyc
(G
X
,G
Y
)表示所述风格迁移网络模型输入图像与输出图像之间的损失，L
GAN
(G
...
【专利技术属性】
技术研发人员：程启兴，魏成伟，李小毛，彭艳，方世忠，褚晓波，李晶，翟杨，赵荦，杨天源，
申请(专利权)人：上海市文物保护研究中心上海博物馆上海市文化和旅游局上海市广播电视局，上海市文物局，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。