一种雾天场景下的海上小目标航拍图像识别模型训练方法技术

本发明专利技术公开了一种雾天场景下的海上小目标航拍图像识别模型训练方法，包括：结合现有的雾天成像模型，通过改变雾的厚度和亮度，对原始海上小目标航拍数据集进行加雾，模拟出各种场景下的雾天图像，建立雾天场景下的海上小目标航拍图像数据集；在YOLOv5网络结构模型的基础上设置小目标的检测层，构建雾天条件下的海上小目标航拍图像目标识别模型；基于WIOU以及Wasserstein距离的组合构建新的损失函数，不断调整WIOU以及Wasserstein距离的权重，并利用建立的数据集对模型进行训练。本发明专利技术解决了雾天场景下，海上小目标航拍图像识别模型的训练过程中出现的数据集缺乏、去雾效果差、检测精度低的问题，为准确、快速、稳定的雾天场景下海上小目标航拍图像检测模型训练奠定了基础。

【技术实现步骤摘要】

本专利技术属于航拍图像识别，具体涉及一种雾天场景下的海上小目标航拍图像识别模型训练方法。

技术介绍

1、近年来，随着目标检测技术的发展，海上小目标检测问题引起越来越多的关注，基于海上航拍图像的小目标检测与识别技术在海洋应急救援、侦察、环境监测等领域有广泛的应用前景。在海上小目标检测问题上，随着深度学习和目标检测的不断发展，使训练出的模型可以在海上图像中较为准确检测和识别一部分小目标，如船只、人员、救生圈等。

2、尽管现有的研究工作在海上航拍图像的目标检测与识别精度上取得了一定进展，但依然存在一些潜在的问题没有解决。首先，由于小目标在图像中的尺寸较小，它们往往容易被模型忽略或误判。这是因为在较大的网格中，小目标的特征往往被稀疏表示，导致模型难以准确地检测到它们。所以我们研究的一大目标就是解决如何在较小的网格中进行更细粒度的特征提取，以增强对小目标的感知能力，同时，尽量减少模型的计算复杂度和参数量。其次，现有的目标检测损失函数多采用ciou，虽然这种设计可以简单直观，受尺度和位置的影响较小。但针对小目标检测存在三个问题：1.梯度消失问题：在训练过程本文档来自技高网...

【技术保护点】

1.一种雾天场景下的海上小目标航拍图像识别模型训练方法，其特征在于，包括：

2.根据权利要求1所述的一种雾天场景下的海上小目标航拍图像识别模型训练方法，其特征在于，所述步骤1针对每一张图片随机设置待加雾的亮度br和厚度th值，根据br和th设置值对原始海上小目标航拍数据集中的每一张图片进行不同程度的加雾处理操作。

3.根据权利要求1所述的一种雾天场景下的海上小目标航拍图像识别模型训练方法，其特征在于，步骤2所述YOLOv5网络结构模型包括Backbone网络、Neck网络、Head网络；其中，Backbone网络用于提取图像特征，Neck网络用于融合不同层级的特征...

【技术特征摘要】

1.一种雾天场景下的海上小目标航拍图像识别模型训练方法，其特征在于，包括：

2.根据权利要求1所述的一种雾天场景下的海上小目标航拍图像识别模型训练方法，其特征在于，所述步骤1针对每一张图片随机设置待加雾的亮度br和厚度th值，根据br和th设置值对原始海上小目标航拍数据集中的每一张图片进行不同程度的加雾处理操作。

3.根据权利要求1所述的一种雾天场景下的海上小目标航拍图像识别模型训练方法，其特征在于，步骤2所述yolov5网络结构模型包括backbone网络、neck网络、head网络；其中，backbone网络用于提取图像特征，neck网络用于融合不同层级的特征，head网络用于预测目标的位置和类别。

4.根据权利要求1所述的一种雾天场景下的海上小目标航拍图像识别模型训练方...

【专利技术属性】
技术研发人员：任璐，邵逸凡，李明轩，柳文章，郑烨，
申请(专利权)人：安徽大学，
类型：发明
国别省市：