欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 202110017704X
申请人: 南京工程学院
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种改进Yolo水下图像小目标和遮挡目标的检测方法,其特征在于,包括:对水下机器采集的图像进行预处理;

将预处理后的图像输入预先训练好的改进YoloV3网络模型中,输出目标物体在图像中的位置信息和类别信息;

所述改进YoloV3网络模型包括:特征提取模块,特征增强模块和特征输出模块;

所述特征提取模块用于输入预处理后的图像,输出13*13,26*26,52*52和104*104四种尺寸共6个特征图;所述特征提取模块采用Densenet,包括4个Dense Block,分别对应输出13*13,26*26,52*52和104*104四种尺寸的特征图;第二和第三个Dense Block之间的转换层经步长为1的卷积操作和步长为2的最大池化操作后生成一个26*26的特征图;第三和第四个Dense Block之间的转换层经步长为1的卷积操作和步长为2的最大池化操作后生成一个52*52的特征图;

所述特征增强模块用于对输入特征图进行多次池化操作,并提取特征;所述特征增强模块采用在YoloV3网络结构的基础上增加SPP网络层;所述SPP网络层用于对输入特征图进行包含5*5、9*9和13*13的三种不同尺度的池化操作;以及从池化操作后的每个块中提取一个特征;

所述特征输出模块用于将提取的特征进行整合,输出预测结果,所述预测结果包括目标物体在图像中的位置信息和类别信息。

2.根据权利要求1所述的一种改进Yolo水下图像小目标和遮挡目标的检测方法,其特征在于,还包括,在Densenet之前增加RBFNet环节。

3.根据权利要求1所述的一种改进Yolo水下图像小目标和遮挡目标的检测方法,其特征在于,还包括,将SPP网络层提取的所有特征合并且进行批量归一化。

4.根据权利要求1所述的一种改进Yolo水下图像小目标和遮挡目标的检测方法,其特征在于,所述特征输出模块具体用于,采用水下机器采集若干水下图像;

对采集的图像进行预处理,构成训练集;

使用LabelImg进行数据标注,标注出图像中目标物体的位置和类别信息,形成适用Yolo训练的标注文件;

使用改进YoloV3网络模型对标注后的文件进行训练,采用损失函数不断优化,训练得到最优的模型权重文件。

5.根据权利要求4所述的一种改进Yolo水下图像小目标和遮挡目标的检测方法,其特征在于,在训练过程中,采用Repulsion Loss损失函数,对改进YoloV3网络模型进行优化,得到最优的YoloV3网络模型权重文件。

6.根据权利要求4所述的一种改进Yolo水下图像小目标和遮挡目标的检测方法,其特征在于,所述特征输出模块具体用于,采用训练好的模型权重文件对预处理后的水下图像进行测试,输出目标物体在图像中的位置信息和类别信息。

7.根据权利要求4所述的一种改进Yolo水下图像小目标和遮挡目标的检测方法,其特征在于,对采集的图像进行预处理,包括:将采集的图像由RGB格式图像转化为YCbCr格式图像;

对YCbCr格式图像进行同态滤波和小波去噪处理;

将处理后的图像重新转换为RGB格式图像。

8.根据权利要求1所述的一种改进Yolo水下图像小目标和遮挡目标的检测方法,其特征在于,还包括,采用Soft NMS筛选最终的目标检测框。