水下图像目标检测方法、装置、电子设备和存储介质制造方法及图纸

本发明专利技术公开了一种水下图像目标检测方法、装置、电子设备和存储介质，所述方法包括：获取水下图像；将所述水下图像输入到预训练好的CenterNet检测模型进行检测；根据所述CenterNet检测模型的输出结果，得到所述水下图像中的目标。上述方案通过基于CenterNet的检测模型能够在水下对目标对象进行精准的检测识别，减少了水下图像受纹理特征信息模糊、对比度低及颜色失真等情况的影响，提高了检测精度，在效率和精度之间实现了显著的平衡。

【技术实现步骤摘要】

本专利技术涉及图像处理，具体涉及一种水下图像目标检测方法和装置。

技术介绍

1、在地球表面约71％的面积被水覆盖，水下探索和开发具有广阔的应用前景和重要的战略意义。对人类而言，水下环境十分恶劣，不适合人工作业，这促进了水下机器人的快速发展，而水下机器人离不开对目标的检测和识别。传统水下检测大多采用声学手段，但随着技术的发展，水下光学图像分辨率越来越高，信息量更加丰富，在短距离检测中具有突出的优势，因此，在水下机器人上搭载光学识别模块是现在的研究热点。然而水下环境复杂，并且受水下特殊成像环境的限制，水下光学图像往往存在噪声干扰多、对比度低、纹理特征模糊等问题，水下目标检测依旧面临着巨大的挑战。

2、基于深度学习的水下目标检测模型表现出良好的性能，锚框是检测器常用的组件，首先利用滑动窗口提取水下图像中目标的候选区域，之后人工提取候选区域的目标特征，最后利用分类器实现目标的识别。然而锚框的使用使得网络模型极易产生不均衡数量的正、负样本，降低了检测精度。

技术实现思路

1、鉴于上述问题，提出了本专利技术以本文档来自技高网...

【技术保护点】

1.一种水下图像目标检测方法，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述CenterNet检测模型包括如下的至少一项：HRNet主干网络、BAM注意力模块、FFM特征融合模块或检测模块。

3.根据权利要求2所述的方法，其特征在于，所述HRNet主干网络包括多个不同倍数的下采样网络，各所述下采样网络之间设置有交换单元，所述HRNet主干网络用于提取多个不同分辨率的特征图。

4.根据权利要求2所述的方法，其特征在于，所述BAM注意力模块包括通道注意力分支和空间注意力分支；

5.根据权利要求2所述的方法，其特征在于，所述FFM...

【技术特征摘要】

1.一种水下图像目标检测方法，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述centernet检测模型包括如下的至少一项：hrnet主干网络、bam注意力模块、ffm特征融合模块或检测模块。

3.根据权利要求2所述的方法，其特征在于，所述hrnet主干网络包括多个不同倍数的下采样网络，各所述下采样网络之间设置有交换单元，所述hrnet主干网络用于提取多个不同分辨率的特征图。

4.根据权利要求2所述的方法，其特征在于，所述bam注意力模块包括通道注意力分支和空间注意力分支；

5.根据权利要求2所述的方法，其特征在于，所述ffm特征融合模块包括变形卷积层、反卷积层和融合层；

6.根据权利要求2所述的方法，其特征...

【专利技术属性】
技术研发人员：任雪峰，
申请(专利权)人：北京卓翼智能科技有限公司，
类型：发明
国别省市：