← 返回列表
适用于嘈杂水下场景的目标检测方法及其模型搭建方法
申请人信息
- 申请人:中国海洋大学
- 申请人地址:266100 山东省青岛市崂山区松岭路238号
- 发明人: 中国海洋大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 适用于嘈杂水下场景的目标检测方法及其模型搭建方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410152958.6 |
| 申请日 | 2024/2/4 |
| 公告号 | CN117690011A |
| 公开日 | 2024/3/12 |
| IPC主分类号 | G06V20/05 |
| 权利人 | 中国海洋大学 |
| 发明人 | 王柘; 郑冰; 张沁悦; 李继哲 |
| 地址 | 山东省青岛市崂山区松岭路238号 |
摘要文本
本发明提供了一种适用于嘈杂水下场景的目标检测方法及其模型搭建方法,属于水下目标检测模型学习方法技术领域,本发明设计了样本加权超特征网络,用于特征提取和目标检测;其次,本发明设计了样本加权损失函数,根据样本重要性赋予训练数据权重,以控制样本对目标检测网络训练的影响;此外,进一步设计了三阶段目标检测模型及相应的训练方法;最后,提出了选择性集成算法,通过整合多个高性能检测器构建最终的集成目标检测模型,从而进一步提升水下目标检测性能。总的来说,这些方法共同推动了水下目标检测技术在处理噪声、提升检测准确性和鲁棒性方面取得了显著进步。
专利主权项内容
1.一种适用于嘈杂水下场景的目标检测模型搭建方法,其特征在于,包括以下过程:步骤1,获取水下待检测目标原始数据集,对原始数据集进行预处理,获取预处理后的数据集,并划分为训练集和测试集;步骤2,第一阶段噪声消除阶段;基于两组基础检测模型,使用训练集进行噪声消除阶段的训练学习,未被检测到的目标的权值会减小,通过样本加权损失,下一个目标检测网络将着重学习具有高权重的干净数据;所述基础检测模型包括特征提取网络和目标检测网络;步骤3,第二阶段噪声学习阶段;使用训练集对其中一组检测模型进行噪声学习阶段的训练学习,通过样本加权损失,增加未被检测到的目标权重,使检测器专注于对带有噪声的样本进行学习;步骤4,第三阶段集成阶段;通过选择性集成算法将第一阶段和第二阶段得到的检测模型进行集成;步骤5,使用测试集对集成后的模型进行测试,并获得最终目标检测模型。