本发明专利技术公开了一种水漂识别方法。该水漂识别方法包括：构建水漂图片标注数据集；构建水漂目标识别模型，所述水漂目标识别模型为在YOLOv8算法基础上改进得到的Slim‑YOLO模型；采用水漂图片标注数据集对水漂目标识别模型进行训练，得到能够实用的水漂目标识别模型；采用经过训练的水漂目标识别模型来对识别对象图像中的水漂进行检测识别。本发明专利技术的水漂识别方法，其创新之处在于，将该经过优化改进的Slim‑YOLO模型作为水漂目标识别模型，用于对识别对象图像中的水漂进行检测识别，从而使得水漂目标识别模型具有准确的水漂识别能力，能够准确识别出图片中的水漂，并快速统计出图片中水漂的准确数目。
【技术实现步骤摘要】
本专利技术涉及一种机器视觉识别技术，尤其涉及一种水漂识别方法。
技术介绍
1、打水漂是在世界各地非常流行的一项运动，打水漂比赛的胜负取决于一次投掷水漂所产生的水漂点数，因此裁判的主要工作就是对水漂点数进行计数。
2、目前的问题在于：
3、目前对于水漂点数计数是采用人工方式来实施的，裁判人员在适合的位置观察运动员打出的水漂，并对水漂点数进行人工计数。这种人工计数的方式，其工作量大、计数速度慢，而且还经常会出现错计漏计的情况，计数的准确率不高，从而大大影响了裁判工作的有效开展，这对于打水漂运动的蓬勃发展是不利的。
4、在目标检测领域，有许多识别精度高且消耗资源少的开源模型，如yolo系列、rcnn系列、detr系列模型。然而，这些模型都是根据识别现实场景中常见物体设计的，并没有特别针对水漂场景设计的算法。
技术实现思路
1、本专利技术的目的在于提供一种水漂识别方法，该水漂识别方法能够对识别对象图像中的水漂进行准确的检测识别，并快速统计出图片中水漂的准确数目。
2、为了实现上述技术目的，本专利技术采用如下技术方案：
3、一种水漂识别方法，所述水漂识别方法包括：
4、构建水漂图片标注数据集；
5、构建水漂目标识别模型，所述水漂目标识别模型为在yolov8算法基础上改进得到的slim-yolo模型；
6、采用水漂图片标注数据集对水漂目标识别模型进行训练，得到能够实用的水漂目标识别模型；
>7、采用经过训练的水漂目标识别模型来对识别对象图像中的水漂进行检测识别。8、进一步地，所述水漂目标识别模型包括骨干网络、颈部网络和预测头；
9、所述骨干网络用于：对输入图像进行下采样和特征提取，以产生多尺度特征图；
10、所述颈部网络用于：对骨干网络产生的多尺度特征图进行特征融合以及进一步特征提取；
11、预测头用于：利用不同尺度的特征来对图像中的水漂对象进行分类和定位。
12、进一步地，对于水漂目标识别模型所基于的yolov8算法，
13、在网络架构部分，缩短骨干网络并增长颈部网络；
14、在基础操作部分，实施wconcat操作,所述wconcat操作为带权重的concat操作；
15、在损失函数部分，在基于ciou损失加入点距离。
16、进一步地，所述构建水漂图片标注数据集，其具体实现的方法包括：
17、拍摄数量众多的打水漂的视频，基于打水漂的视频图像来构建包含有大量水漂图片的初始水漂图片集；
18、对初始水漂图片集进行水漂区域标注处理，处理后得到水漂图片标注数据集；
19、将水漂图片标注数据集划分成训练集和测试集。
20、进一步地，所述将水漂图片标注数据集划分成训练集和测试集，其划分的比例为7:3，训练集对应7分比例，测试集对应3分比例。
21、进一步地，对于水漂图片的标注，其过程包括：
22、确定水漂类别：确认所要标注的对象是否为水漂；
23、确定水漂的位置：利用标注工具labelimg，在图像中用矩形框标出水漂的具体位置，并记录该矩形框的四个顶点坐标；
24、txt文件存储标注信息：完成标注后，labelimg工具自动生成并保存txt格式的文件，该文件详细记录所有标注信息；
25、数据增强处理：在将数据输入模型前，对图像数据执行数据增强操作，包括旋转、缩放、翻转和混合。
26、进一步地，对水漂目标识别模型进行训练的过程包括：
27、将水漂图片标注数据输入水漂目标识别模型，水漂目标识别模型输出水漂的目标类别及边界框位置的预测结果；
28、根据预测结果与水漂标注数据来计算损失函数；
29、通过损失函数的反向传播来更新和优化水漂目标识别模型参数。
30、本专利技术的水漂识别方法，其创新之处在于，在yolov8算法的基础上进行优化改进得到一个slim-yolo模型，将该经过优化改进的slim-yolo模型作为水漂目标识别模型，用于对识别对象图像中的水漂进行检测识别，从而使得水漂目标识别模型具有准确的水漂识别能力，能够准确识别出图片中的水漂，并快速统计出图片中水漂的准确数目。本专利技术的水漂识别方法，其为打水漂比赛的裁判工作提供了有力的技术支持，有利于避免“人工计数的方式，其工作量大、计数速度慢，经常会错计漏计，计数的准确率不高”的情况，有效提升了裁判工作的质量和效率。
本文档来自技高网...
【技术保护点】
1.一种水漂识别方法，其特征在于：所述水漂识别方法包括：
2.根据权利要求1所述水漂识别方法，其特征在于：所述水漂目标识别模型包括骨干网络、颈部网络和预测头；
3.根据权利要求1所述水漂识别方法，其特征在于：对于水漂目标识别模型所基于的YOLOv8算法，
4.根据权利要求1所述水漂识别方法，其特征在于：所述构建水漂图片标注数据集，其具体实现的方法包括：
5.根据权利要求4所述水漂识别方法，其特征在于：所述将水漂图片标注数据集划分成训练集和测试集，其划分的比例为7:3，训练集对应7分比例，测试集对应3分比例。
6.根据权利要求4所述水漂识别方法，其特征在于：对于水漂图片的标注，其过程包括：
7.根据权利要求1所述水漂识别方法，其特征在于：对水漂目标识别模型进行训练的过程包括：
【技术特征摘要】
1.一种水漂识别方法，其特征在于：所述水漂识别方法包括：
2.根据权利要求1所述水漂识别方法，其特征在于：所述水漂目标识别模型包括骨干网络、颈部网络和预测头；
3.根据权利要求1所述水漂识别方法，其特征在于：对于水漂目标识别模型所基于的yolov8算法，
4.根据权利要求1所述水漂识别方法，其特征在于：所述构建水漂图片标注数据集，其具体实现...
【专利技术属性】
技术研发人员：程昌宇，刘高志，钱振兴，张新鹏，
申请(专利权)人：复旦大学，
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。