【技术实现步骤摘要】
本专利技术涉及智能识别，尤其涉及一种水道漂浮物识别方法、装置、电子设备及存储介质。
技术介绍
1、随着人工智能和计算机视觉技术的不断发展，对于水道漂浮物的识别与检测成为了研究的热点。为了准确识别和检测水道中的漂浮物，需要训练一种高效稳定的水道漂浮物识别模型。在传统的水道漂浮物识别方法中，通常只关注漂浮物的识别和定位，而忽略了对水道自身特性的考虑。然而，水道的宽度、流速以及水面张力等特性对于漂浮物的运动和形态有着重要的影响，因此导致现有方法在准确性和鲁棒性方面存在一定的不足，因此，如何提供一种新的水道漂浮物识别模型的训练方法，提升识别的准确性以及鲁棒性成为一个亟待解决的问题。
技术实现思路
1、本专利技术实施例提供一种水道漂浮物识别模型训练方法，旨在现有水道漂浮物识别模型的训练方法进行训练得到的水道漂浮物模型，识别的准确性较低以及鲁棒性较低的问题。通过特征提取层以及特征融合层对待识别的水道图像进行处理，得到待识别的水道图像的融合特征图，将融合特征图输入至区域提议层以及主预测层对漂浮物进行预测处理，将融合特征图输入至辅助预测层对水道进行预测处理，通过结合主预测层对应的第一损失函数以及辅助预测层对应的第二损失函数从而使得辅助预测层来辅助主预测层的训练，综合考虑了水道的特性，如宽度、流速以及水面张力等因素对于漂浮物的运动和形态以及漂浮物本身特征的影响，从而提升了模型识别的准确性以及鲁棒性，并且仍能够保证识别效率。
2、第一方面，本专利技术实施例提供一种水道漂浮物识别模型训练方法
3、获取待训练的水道漂浮物识别模型以及水道数据集，所述水道数据集包括漂浮物掩膜标签、水道标签和样本水道图像，所述水道标签包括所述样本水道图像中水道的标注框、水道的水道宽度、流速以及水面张力，每个所述样本水道图像对应一个漂浮物掩膜标签以及一个水道标签，所述待训练的水道漂浮物识别模型包括待训练的特征提取层、待训练的特征融合层、待训练的区域提议层、待训练的主预测层、以及待训练的辅助预测层；
4、通过所述待训练的特征提取层以及所述待训练的特征融合层对所述样本水道图像进行处理，得到所述样本水道图像的特征融合图；
5、通过所述待训练的区域提议层、待训练的主预测层对所述特征融合图进行处理，得到所述样本水道图像的漂浮物预测信息；
6、通过所述待训练的辅助预测层对所述特征融合图进行处理，得到所述样本水道图像的水道预测信息；
7、基于预设的第一损失函数计算所述漂浮物掩膜标签以及所述漂浮物预测信息之间的损失，得到第一损失值；
8、基于预设的第二损失函数计算所述水道的标注框、水道的水道宽度、流速、水面张力与所述水道预测信息之间的损失，得到第二损失值；
9、基于所述第一损失值以及所述第二损失值，确定总损失值；
10、以最小化所述总损失值为优化目标，对所述待训练的水道漂浮物识别模型迭代参数调整过程，直到所述总损失值在最小处收敛，或者迭代次数达到预设值，停止训练得到训练好的水道漂浮物识别模型，所述训练好的水道漂浮物识别模型包括训练好的特征提取层、训练好的特征融合层、训练好的区域提议层以及训练好的主预测层。
11、可选地，所述通过所述待训练的特征提取层以及所述待训练的特征融合层对所述样本水道图像进行处理，得到所述样本水道图像的特征融合图，包括：
12、将所述样本水道图像输入至所述待训练的特征提取层中进行特征提取处理，得到多尺度的特征图；
13、将所述多尺度的特征图输入至所述待训练的特征融合层中进行特征融合处理，得到所述特征融合图。
14、可选地，所述通过所述待训练的区域提议层、待训练的主预测层对所述特征融合图进行处理，得到所述样本水道图像的漂浮物预测信息，包括：
15、将所述特征融合图输入至所述待训练的区域提议层中进行处理，得到所述样本水道图像的多个候选区域图；
16、将所述多个候选区域图输入至所述待训练的主预测层中进行处理，得到所述漂浮物预测信息。
17、可选地，所述待训练的主预测层包括待训练的第一分类子网络层、待训练的第一回归子网络层以及待训练的掩膜生成子网络层，所述将所述多个候选区域图输入至所述待训练的主预测层中进行处理，得到所述漂浮物预测信息，包括：
18、将所述多个候选区域图输入至所述待训练的第一分类子网络层进行处理，得到所述多个候选区域图的类别置信度；
19、将所述多个候选区域图输入至所述待训练的第一回归子网络层进行处理，得到所述多个候选区域图的边框回归参数；
20、将所述多个候选区域图以及所述边框回归参数输入至所述待训练的掩膜生成子网络层进行处理，得到所述多个候选区域图的掩膜；
21、基于所述类别置信度、所述边框回归参数以及所述掩膜，确定所述漂浮物预测信息。
22、可选地，所述待训练的辅助预测层包括待训练的第二分类子网络层以及待训练的第二回归子网络层，所述通过所述待训练的辅助预测层对所述特征融合图进行处理，得到所述样本水道图像的水道预测信息，包括：
23、将所述特征融合图输入至所述待训练的第二分类子网络层进行处理，得到所述特征融合图中的锚框置信度；
24、将所述特征融合图输入至所述待训练的第二回归子网络层进行处理，得到所述特征融合图中的锚框回归参数；
25、基于所述锚框置信度以及所述锚框回归参数，确定所述水道预测信息。
26、第二方面，本专利技术实施例还提供一种水道漂浮物识别方法，所述水道漂浮物识别方法包括：
27、获取待识别的水道图像；
28、将所述待识别的水道图像输入到训练好的水道漂浮物识别模型中进行处理，得到所述水道图像的识别结果，所述训练好的水道漂浮物识别模型根据所述水道漂浮物识别模型训练方法进行训练得到。
29、第三方面，本专利技术实施例还提供了一种水道漂浮物识别模型训练装置，所述水道漂浮物识别模型训练装置包括：
30、第一获取模块，用于获取待训练的水道漂浮物识别模型以及水道数据集，所述水道数据集包括漂浮物掩膜标签、水道标签和样本水道图像，所述水道标签包括所述样本水道图像中水道的标注框、水道的水道宽度、流速以及水面张力，每个所述样本水道图像对应一个漂浮物掩膜标签以及一个水道标签，所述待训练的水道漂浮物识别模型包括待训练的特征提取层、待训练的特征融合层、待训练的区域提议层、待训练的主预测层、以及待训练的辅助预测层；
31、第一处理模块，用于通过所述待训练的特征提取层以及所述待训练的特征融合层对所述样本水道图像进行处理，得到所述样本水道图像的特征融合图；
32、第二处理模块，用于通过所述待训练的区域提议层、待训练的主预测层对所述特征融合图进行处理，得到所述样本水道图像的漂浮物预测信息；
33、第三处理模块，用于通过所述待训练的辅助预测层对所述特征融合图进行处理，得到所述样本水道图像本文档来自技高网...
【技术保护点】
1.一种水道漂浮物识别模型训练方法，其特征在于，所述方法包括以下步骤：
2.如权利要求1所述的水道漂浮物识别模型训练方法，其特征在于，所述通过所述待训练的特征提取层以及所述待训练的特征融合层对所述样本水道图像进行处理，得到所述样本水道图像的特征融合图，包括：
3.如权利要求1或2所述的水道漂浮物识别模型训练方法，其特征在于，所述通过所述待训练的区域提议层、待训练的主预测层对所述特征融合图进行处理，得到所述样本水道图像的漂浮物预测信息，包括：
4.如权利要求3所述的水道漂浮物识别模型训练方法，其特征在于，所述待训练的主预测层包括待训练的第一分类子网络层、待训练的第一回归子网络层以及待训练的掩膜生成子网络层，所述将所述多个候选区域图输入至所述待训练的主预测层中进行处理，得到所述漂浮物预测信息，包括：
5.如权利要求1至4中任一项所述的水道漂浮物识别模型训练方法，其特征在于，所述待训练的辅助预测层包括待训练的第二分类子网络层以及待训练的第二回归子网络层，所述通过所述待训练的辅助预测层对所述特征融合图进行处理，得到所述样本水道图像的水道预测
6.一种水道漂浮物识别方法，其特征在于，所述方法包括以下步骤：
7.一种水道漂浮物识别模型训练装置，其特征在于，所述水道漂浮物识别模型训练装置包括：
8.一种水道漂浮物识别装置，其特征在于，所述水道漂浮物识别装置包括：
9.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述的水道漂浮物识别模型训练方法中的步骤或如权利要求6所述的水道漂浮物识别方法中的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的水道漂浮物识别模型训练方法中的步骤或如权利要求6所述的水道漂浮物识别方法中的步骤。
...【技术特征摘要】
1.一种水道漂浮物识别模型训练方法，其特征在于，所述方法包括以下步骤：
2.如权利要求1所述的水道漂浮物识别模型训练方法，其特征在于，所述通过所述待训练的特征提取层以及所述待训练的特征融合层对所述样本水道图像进行处理，得到所述样本水道图像的特征融合图，包括：
3.如权利要求1或2所述的水道漂浮物识别模型训练方法，其特征在于，所述通过所述待训练的区域提议层、待训练的主预测层对所述特征融合图进行处理，得到所述样本水道图像的漂浮物预测信息，包括：
4.如权利要求3所述的水道漂浮物识别模型训练方法，其特征在于，所述待训练的主预测层包括待训练的第一分类子网络层、待训练的第一回归子网络层以及待训练的掩膜生成子网络层，所述将所述多个候选区域图输入至所述待训练的主预测层中进行处理，得到所述漂浮物预测信息，包括：
5.如权利要求1至4中任一项所述的水道漂浮物识别模型训练方法，其特征在于，所述待训练的辅助预测层包括待训练的第二分类子网络层以及待训...
【专利技术属性】
技术研发人员：李建文，陈显炉，于凯，
申请(专利权)人：青岛云天励飞科技有限公司，
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。