[發明專利]基于雙路徑特征融合網絡的魯棒聲吶目標檢測方法

有效

• 申請號: 201910329213.1
• 申請日: 2019-04-23
• 公開（公告）號: CN110163108B
• 公開（公告）日: 2020-12-08
• 發明（設計）人: 孔萬增;賈明洋;洪吉晨;張建海;周文暉
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 黃前澤

1.基于雙路徑特征融合網絡的魯棒聲吶目標檢測方法，其特征在于：

步驟1、搭建雙路徑特征融合網絡；

所述的雙路徑特征融合網絡包括初始卷積層、雙路徑模塊、融合過渡模塊、密集相連模塊和最終卷積層；初始卷積層是一個3×3的卷積層；雙路徑模塊共有五個；五個雙路徑模塊依次排列；每個雙路徑模塊均由3×3卷積層和兩個1×1卷積層組成；雙路徑模塊內的3×3卷積層位于兩個1×1卷積層之間；任意兩個相鄰的雙路徑模塊之間均通過融合過渡模塊連接；最終卷積層共有三個；密集相連模塊將第三個雙路徑模塊、第四個雙路徑模塊、第五個雙路徑模塊與三個最終卷積層分別相連；所述的融合過渡模塊對上一個雙路徑模塊輸出的特征圖做一次步長為2的1×1卷積、一次步長為1的1×1卷積、一次步長為2的3×3卷積和一次步長為2的最大池化；

步驟2、對步驟1所得的雙路徑特征融合網絡進行訓練；

步驟3、聲吶圖像的生成和特征提??；

3-1.將原始聲吶數據轉化為生成聲吶圖像；并將將所得的聲吶圖像輸入雙路徑特征融合網絡的初始卷積層，提取聲吶特征圖；聲吶特征圖分為第一初始特征圖、第二初始特征圖、第三初始特征圖；

3-2.第一初始特征圖經過最終卷積層后，得到第一最終特征圖；第二初始特征圖與上采樣兩倍的第一最終特征圖進行特征圖維數相加后經過最終卷積層，得到第二最終特征圖；第三初始特征圖、上采樣四倍的第一最終特征圖及上采樣兩倍的第二最終特征圖進行特征圖維數相加后經過最終卷積層，得到第三最終特征圖；

3-3.在最終的第一特征圖、第二特征圖、第三特征圖上選取默認框；

步驟4、結合默認框進行聲吶圖像目標框的分類和檢測；

4-1.在第一最終特征圖、第二最終特征圖、第三最終特征圖上預測最終的第一最終特征圖、第二最終特征圖、第三最終特征圖的各默認框的置信度以及形狀偏移量，并確定目標框的位置和大?。?/p>

4-2.根據目標框，確定獲得目標在聲吶圖像中的位置和類別。

2.根據權利要求1所述的基于雙路徑特征融合網絡的魯棒聲吶目標檢測方法，其特征在于：步驟1中，在第二個1×1卷積層輸出的特征圖在通道數維度上被分割成兩個部分；該兩部分的其中一部分與輸入第一個1×1卷積層的特征圖進行特征圖元素級相加；另一部分與輸入第一個1×1卷積層的特征圖進行通道數疊加。

3.根據權利要求1所述的基于雙路徑特征融合網絡的魯棒聲吶目標檢測方法，其特征在于：步驟1中，所述的最終卷積層由一個卷積集、一個3×3卷積層和一個1×1卷積構成；卷積集是由1×1卷積層、3×3卷積層、1×1卷積層、3×3卷積層、1×1卷積層構成；第一個最終卷積層輸出的特征圖進行上采樣兩倍和上采樣四倍，分別輸出給后兩個最終卷積層進行融合；第二個最終卷積層輸出的特征圖進行上采樣兩倍輸出給第三個最終卷積層進行融合。

4.根據權利要求1所述的基于雙路徑特征融合網絡的魯棒聲吶目標檢測方法，其特征在于：步驟2中訓練雙路徑特征融合網絡的方法為通過反向傳播算法和梯度下降算法。

5.根據權利要求1所述的基于雙路徑特征融合網絡的魯棒聲吶目標檢測方法，其特征在于：步驟3-1中，提取聲吶特征圖的具體過程如下：

3-1-1.將預處理得到聲吶圖像縮放至預設尺寸，然后將縮放至預設尺寸的聲吶圖像送入基于雙路徑特征融合網絡的初始卷積層；

3-1-2.進入初始卷積層后的聲吶圖像依次進入五個雙路徑模塊，各雙路徑模塊均對聲吶圖像做卷積操作，第三個雙路徑模塊輸出第三初始特征圖，第四個雙路徑模塊輸出第二初始特征圖，第五個雙路徑模塊輸出第一初始特征圖；第三初始特征圖、第二初始特征圖及第一初始特征圖的大小依次減小。

6.根據權利要求1所述的基于雙路徑特征融合網絡的魯棒聲吶目標檢測方法，其特征在于：步驟3-2所得的第一最終特征圖、第二最終特征圖及第三最終特征圖的通道數均為21。