基于计算机视觉的船舶流量预测方法及计算机系统技术方案

本申请提供一种基于计算机视觉的船舶流量预测方法及计算机系统，在网络调试阶段，前置调试后的表征信息抽取组件已在样本基础较大的学习样例上进行前置调试，具备在视频和AIS数据中抽取表征信息的性能，之后进行细节优化调试时，因前置调试习得的知识能迁移至船舶流量预估，同时过往船舶流量数据中也具备有价值的船舶流量模式，采取知识迁移和细节优化，使得网络快速过渡到船舶流量预估的分支，此外，因为调试后的表征信息抽取组件能通过在视频和AIS数据中习得的知识以适应船舶流量数据，那么在细节优化时，仅采取少量船舶流量数据学习样例即能产生较高的网络调试效果，无需较大规模的船舶流量数据学习样例，节约了人工进行样本采集标注的成本。

【技术实现步骤摘要】

本申请涉及人工智能领域，具体而言，涉及一种基于计算机视觉的船舶流量预测方法及计算机系统。

技术介绍

1、在船舶交通管理领域，船舶流量的准确预测对于港口规划、航运调度以及水运经济的健康发展具有重要意义。然而，船舶流量的预测面临着诸多挑战，如数据来源多样、数据维度高、动态变化性强等。传统的船舶流量预测方法多依赖于统计模型或经验公式，这些方法在处理大规模、复杂多变的船舶流量数据时往往显得力不从心，预测精度和实时性难以满足实际需求。随着计算机视觉技术和人工智能的快速发展，基于计算机视觉和机器学习的船舶流量预测方法逐渐受到关注。这类方法通过利用港口监控视频和船舶自动识别系统（ais）数据等多元信息源，结合深度学习等先进算法，对船舶流量进行实时、准确的预测。然而，在实际应用中，模型的调试和优化过程复杂，需要大量标注样本且调试效率低下。这些问题限制了现有方法在船舶流量预测中的实际应用效果。

技术实现思路

1、本专利技术的目的在于提供一种基于计算机视觉的船舶流量预测方法及计算机系统。本申请实施例是这样实现的：

2本文档来自技高网...

【技术保护点】

1.一种基于计算机视觉的船舶流量预测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述根据第二学习样例中所述过往船舶流量数据和所述过往船舶流量数据对应的后一监测周期的真实船舶流量，对所述流量估值组件和前置调试后的表征信息抽取组件进行细节优化调试，包括：

3.根据权利要求2所述的方法，其特征在于，所述表征信息抽取组件包括联合聚焦投影模块、跨层恒等连接及标准化模块、以及多层感知机模块；所述根据所述第一网络调试误差优化所述前置调试后的表征信息抽取组件以及所述流量估值组件的组件参变量，包括：

4.根据权利要求1所述的方法，其特征在...

【技术特征摘要】

1.一种基于计算机视觉的船舶流量预测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述根据第二学习样例中所述过往船舶流量数据和所述过往船舶流量数据对应的后一监测周期的真实船舶流量，对所述流量估值组件和前置调试后的表征信息抽取组件进行细节优化调试，包括：

3.根据权利要求2所述的方法，其特征在于，所述表征信息抽取组件包括联合聚焦投影模块、跨层恒等连接及标准化模块、以及多层感知机模块；所述根据所述第一网络调试误差优化所述前置调试后的表征信息抽取组件以及所述流量估值组件的组件参变量，包括：

4.根据权利要求1所述的方法，其特征在于，所述基于第一学习样例中港口监控视频学习样例对应的视频帧图像流、船舶ais数据学习样例对应的船舶ais数据流以及所述第一学习样例的先验标记，对表征信息抽取组件进行前置调试，包括：

5....

【专利技术属性】
技术研发人员：何金安，林善若水，何永安，
申请(专利权)人：贵州道坦坦科技股份有限公司，
类型：发明
国别省市：