【技术实现步骤摘要】
本申请涉及深度学习，特别涉及一种模型训练方法和船舶检测方法。
技术介绍
1、我国海域资源丰富，海岸线漫长，沿海海域非常广阔，沿海区域监管尤为重要。大部分船只碰撞事故是因为船员粗心大意，没有及时的发现前方的船只，进而来不及做出避让措施。为了更好地对海上的船舶进行管控、快速地发现海上安全威胁并采取措施，保障船舶的航行安全，需要保证对船舶进行检测。
2、目前，基于二阶段检测算法的船舶检测法首先生成一系列作为样本的候选框，再通过卷积神经网络进行分类，以实现对船舶的检测。
3、然而，基于二阶段检测算法的船舶检测法，检测精度不高，并且需要先生成候选框，因此检测速度低，无法满足实时检测的需求。
技术实现思路
1、鉴于此，本申请提供模型训练方法和船舶检测方法，可以快速精确地识别船舶，以满足实时检测的需求。
2、具体而言，包括以下的技术方案：
3、本申请实施例提供了一种模型训练方法，所述方法包括：
4、获取样本船舶图像和yolov7-tiny改进模型，所述yolov7-tiny改进模型包括shuffle attention注意力模块、carafe上采样模块、改进特征提取网络和改进特征融合网络，改进特征提取网络为在yolov7-tiny模型中的特征提取网络的elan-t结构的并联结构分支中添加一个3*3卷积层的网络，改进特征融合网络为在yolov7-tiny模型中的特征融合网络的elan-t结构中的3*3卷积层替换为鬼影混洗卷积层gsconv
5、对所述样本船舶图像进行标注，得到标注后的样本船舶标注图像；
6、基于所述样本船舶图像和所述船舶标注图像训练所述yolov7-tiny改进模型，确定map值(全类平均精度)；
7、基于所述map值，对所述yolov7-tiny改进模型进行参数调节，输出参数调节后的yolov7-tiny改进模型，完成训练。
8、在一些实施例中，所述yolov7-tiny改进模型是基于yolov7-tiny模型改进得到的模型，具体改进方式包括：
9、在yolov7-tiny模型中的特征提取网络的elan-t结构的并联结构分支中添加一个3*3卷积层，得到第一改进模型；
10、在所述第一改进模型的特征融合网络中添加shuffle attention注意力模块，得到第二改进模型；
11、将所述第二改进模型中的上采样层换成carafe上采样模块，得到第三改进模型；
12、将所述第三改进模型中的特征融合网络的elan-t结构的3*3卷积层替换为鬼影混洗卷积层gsconv，并在concat层中结合加权双向金字塔bifpn网络，得到所述yolov7-tiny改进模型。
13、在一些实施例中，所述获取样本船舶图像之前，所述方法还包括：
14、对船舶监控录像进行分帧处理，得到原始船舶图像；
15、对原始船舶图像进行标注处理，得到样本船舶图像。
16、在一些实施例中，所述方法包括：
17、获取如上述任一项所述的模型训练方法中输出的参数调节后的yolov7-tiny改进模型；
18、将待测船舶图像输入到所述参数调节后的yolov7-tiny改进模型中，得到船舶检测结果，所述船舶检测的结果包括包含预测框的船舶图像、置信度和船舶类别。
19、在一些实施例中，所述船舶类别的个数为七，所述船舶类别包括矿砂船、散货船、杂货船、集装箱船、渔船、客轮和帆船。
20、本申请实施例提供的技术方案的有益效果至少包括：
21、本申请实施例提供了一种模型训练方法和船舶检测方法，获取样本船舶图像和yolov7-tiny改进模型，yolov7-tiny改进模型包括shuffle attention注意力模块、carafe上采样模块、改进特征提取网络和改进特征融合网络，其中，改进特征提取网络为在yolov7-tiny模型中的特征提取网络的elan-t结构的并联结构分支中添加一个3*3卷积层的网络，改进特征融合网络为在yolov7-tiny模型中的特征融合网络的elan-t结构中的3*3卷积层替换为鬼影混洗卷积层gsconv并在concat层中结合加权双向金字塔bifpn网络；对样本船舶图像进行标注，得到标注后的样本船舶标注图像，为yolov7-tiny改进模型提供训练所需的样本数据；基于样本船舶图像和船舶标注图像训练yolov7-tiny改进模型，确定map值，以评估训练结果；基于map值，对yolov7-tiny改进模型进行参数调节，输出参数调节后的yolov7-tiny改进模型，可以快速精确地识别船舶类别，以满足实时检测的需求。
本文档来自技高网...【技术保护点】
1.一种模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的模型训练方法，其特征在于，所述YOLOv7-tiny改进模型是基于YOLOv7-tiny模型改进得到的模型，具体改进方式包括：
3.根据权利要求1所述的模型训练方法，其特征在于，所述获取样本船舶图像之前，所述方法还包括：
4.一种船舶检测方法，其特征在于，所述方法包括：
5.根据权利要求4所述的船舶检测方法，其特征在于，所述船舶类别的个数为七，所述船舶类别包括矿砂船、散货船、杂货船、集装箱船、渔船、客轮和帆船。
【技术特征摘要】
1.一种模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的模型训练方法，其特征在于，所述yolov7-tiny改进模型是基于yolov7-tiny模型改进得到的模型，具体改进方式包括：
3.根据权利要求1所述的模型训练方法，其特...
【专利技术属性】
技术研发人员：姚涛，何宇，贺文伟，闫连山，蒲桂东，
申请(专利权)人：艾迪恩山东科技有限公司，
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。