【技术实现步骤摘要】
本专利技术属于海上船舶检测领域，更具体地，涉及一种适用于海上极端天气的船舶检测方法、电子设备及计算机存储介质。
技术介绍
1、随着深度学习技术的发展，智慧水上交通运用智能化技术管理船舶，将计算机视觉技术应用于监控船舶行驶，可以有效降低航运监管成本，提高重点敏感区域的智能监管能力。目前，基于深度学习的目标检测方法在智慧港口的建设中获得了突破性的进展，然而，在实际的应用中，在海上大雾、雨雪、光照条件弱以及船舶多尺度等复杂情景中进行实时海上船舶检测依然存在漏检与误检的情况，同时海上这一错综复杂的使用环境也对船舶目标检测系统的计算速度与便捷性提出了更高的要求。
技术实现思路
1、针对现有技术的缺陷，本专利技术的目的在于提供一种适应于海上极端天气的船舶检测方法、电子设备及计算机存储介质，旨在解决目前船舶检测模型在复杂天气下检测速度慢、抗干扰能力差及船舶检测系统装置便捷性差的问题。
2、为实现上述目的，本专利技术提供了一种适用于海上极端天气的船舶检测方法，包括以下步骤：
3、步...
【技术保护点】
1.一种适用于海上极端天气的船舶检测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的方法，其特征在于，所述步骤2中对船舶图像数据集进行去雾处理包括：
3.如权利要求1所述的方法，其特征在于，步骤4中的神经网络模型为yolov5s网络模型。
4.如权利要求3所述的方法，其特征在于，所述特征融合网络的计算框架包括GSConv模块。
5.如权利要求4所述的方法，其特征在于，所述将silm neck作为其特征融合网络，用于对不同尺度的特征进行提取融合包括：
6.一种电子设备，包括存储器和处理器，所述存储器存储...
【技术特征摘要】
1.一种适用于海上极端天气的船舶检测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的方法，其特征在于，所述步骤2中对船舶图像数据集进行去雾处理包括：
3.如权利要求1所述的方法，其特征在于，步骤4中的神经网络模型为yolov5s网络模型。
4.如权利要求3所述的方法，其特征在于，所述特征融合网络的计算框架包括gsconv模块。
5.如权利要求4所述的方法，其特征在...
【专利技术属性】
技术研发人员：郑朝霞，邢增宝，宋旭辉，郑文斌，李彬，
申请(专利权)人：华中科技大学，
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。