【技术实现步骤摘要】
本专利技术涉及图像识别，具体涉及一种小目标船舶识别方法、装置、电子设备及存储介质。
技术介绍
1、目前，基于深度学习的目标检测对于目标的分类和定位任务虽然取得了不错的效果，但是小目标检测的漏检和误检，一直是目标检测面临的问题。尤其在船舶目标检测领域，船舶本身在大小、形状等几何特性上的差异性更大，并且船舶目标所处的环境由于摄像头视角、距离的多样性，以及尾浪、遮挡等复杂因素导致船舶小目标检测的漏检和误检问题尤为突出。
2、在现有技术中，为了提高船舶小目标的检测的准确性和全面性，通过传统的数据增强的方式扩充小目标样本的数量，增加训练时用到的小目标数量，以提升模型对小目标的泛化能力，传统的数据增强方案虽然能有效提升数据集中小目标的数量，但也有可能引入噪声等潜在问题，对模型的训练效果造成不利影响，增强后的数据可能并不完全符合真实世界的分布，可能会增加模型的训练时间和计算成本，此外，对于小目标本身信息量少且特征提取困难的问题，数据增强方案往往难以解决。
3、由此可见，现有技术对于船舶小目标的检测仍存在检测精度不足的技术问题。
【技术保护点】
1.一种小目标船舶识别方法，其特征在于，包括：
2.根据权利要求1所述的小目标船舶识别方法，其特征在于，所述采用结合了人类视觉模拟模块和通道注意力机制的特征提取模块提取所述待识别图像中所述待识别小目标船舶的特征图，包括：
3.根据权利要求2所述的小目标船舶识别方法，其特征在于，所述人类视觉模拟模块包括多个并行的空洞卷积模块，所述采用人类视觉模拟模块提取所述待识别图像的第一特征向量，包括：
4.根据权利要求2所述的小目标船舶识别方法，其特征在于，所述采用通道注意力机制模块提取所述待识别图像的第二特征向量，包括：
5.根据权...
【技术特征摘要】
1.一种小目标船舶识别方法，其特征在于，包括：
2.根据权利要求1所述的小目标船舶识别方法，其特征在于，所述采用结合了人类视觉模拟模块和通道注意力机制的特征提取模块提取所述待识别图像中所述待识别小目标船舶的特征图，包括：
3.根据权利要求2所述的小目标船舶识别方法，其特征在于，所述人类视觉模拟模块包括多个并行的空洞卷积模块，所述采用人类视觉模拟模块提取所述待识别图像的第一特征向量，包括：
4.根据权利要求2所述的小目标船舶识别方法，其特征在于，所述采用通道注意力机制模块提取所述待识别图像的第二特征向量，包括：
5.根据权利要求1所述的小目标船舶识别方法，其特征在于，所述对所述特征图采用结合了所述人类视觉模拟模块和低层特征强化模块的路径聚合网络进行特征融合，得到所述待识别图像中的...
【专利技术属性】
技术研发人员：罗芳，王昊宇，李家威，姜鹏炬，宋龙，吴辰昊，吴云兰，
申请(专利权)人：武汉理工大学，
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。