[發(fā)明專利]一種船只數(shù)量統(tǒng)計方法、裝置及電子設備

在審

• 申請?zhí)枺?/td>: 201911337681.X
• 申請日: 2019-12-23
• 公開（公告）號: CN111667450A
• 公開（公告）日: 2020-09-15
• 發(fā)明（設計）人: 鄧練兵;薛劍;鄒紀升
• 申請（專利權）人: 珠海大橫琴科技發(fā)展有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 北京三聚陽光知識產權代理有限公司 11250
• 代理人: 梁巖

1.一種船只數(shù)量統(tǒng)計方法，其特征在于，包括：

獲取船只數(shù)據(jù)集，并把所述船只數(shù)據(jù)集劃分為訓練數(shù)據(jù)集與測試數(shù)據(jù)集；

采用所述訓練數(shù)據(jù)集進行深度學習，構建訓練模型；

基于所述測試數(shù)據(jù)輸入訓練模型中訓練，以獲得船只測試結果數(shù)據(jù)；

統(tǒng)計所述船只測試結果數(shù)據(jù)的數(shù)量進行求和，以獲得預測船只數(shù)量；

根據(jù)所述預測船只數(shù)量與預設誤差參數(shù)相乘，以確定出實際船只數(shù)量。

2.根據(jù)權利要求1所述的方法，其特征在于，所述獲取船只數(shù)據(jù)集，包括：對所述獲取船只數(shù)據(jù)進行預處理。

3.根據(jù)權利要求2所述的方法，其特征在于，所述預處理包括：

對所述獲取船只數(shù)據(jù)集中的圖片信息進行像素裁切，使其圖像像素為416X416；和，對裁切像素的圖片信息標注，其中，包括對圖片信息中的船只信息識別，并標記出所識別出船只的位置和邊界信息。

4.根據(jù)權利要求3所述的方法，其特征在于，所述構建訓練模型，包括：

通過YOLO網(wǎng)絡的基礎框架對訓練數(shù)據(jù)集進行特征提取，并將所提取的特征分別用3個檢測器進行檢測；

利用所述檢測器輸出的每個單元格中預測3個不同尺度和長寬比的邊界框在3個預測的邊界框中選擇與真實框最接近的作為預測值來更新網(wǎng)絡參數(shù)；其中，每個邊界框包含3個預測量。

根據(jù)訓練數(shù)據(jù)集中的標注信息，對所檢測到的所述預測量進行損失函數(shù)計算，以獲得船只訓練結果。

5.根據(jù)權利要求4所述的方法，其特征在于，所述構建訓練模型還包括設置損失，所述損失函數(shù)為：

其中，為第N個船只的位置信息和邊界信息的預測值，(x_i,y_i,w_i,h_i)為第N個船只的位置和邊界信息的標記值，是預測邊界框與標簽邊界框的交叉部分，C_i是置信度得分，為給定種類概率，p_i(c)為預測種類給定種類的概率，表示為有目標落在單元i的第j個檢測框中，表示為有目標落在單元i的所有檢測框，其中，λ_coord為最高執(zhí)信度懲罰的坐標預測值和λ_noobj為最低置信度預測懲罰。

6.根據(jù)權利要求5所述的方法，其特征在于，所述最高執(zhí)信度懲罰的坐標預測值設置為λ_coord＝5和最低置信度預測懲罰設置為λ_noobj＝0.5。

7.一種船只數(shù)量統(tǒng)計裝置，其他特征在于，包括：

獲取模塊，用于獲取船只數(shù)據(jù)集，并把所述船只數(shù)據(jù)集劃分為訓練數(shù)據(jù)集與測試數(shù)據(jù)集；

訓練模塊，用于所述采用訓練數(shù)據(jù)集進行深度學習，構建訓練模型；

測試模塊，基于所述測試數(shù)據(jù)輸入訓練模型中訓練，以獲得船只測試結果數(shù)據(jù)；

預測模塊，用于對所述船只測試結果數(shù)據(jù)的數(shù)量進行求和，以獲得預測船只數(shù)量；

確定模塊，用于根據(jù)所述預設船只數(shù)量與預設誤差參數(shù)相乘，以確定出實際船只數(shù)量。

8.一種電子設備，其特征在于，包括：

存儲器和處理器，所述存儲器和所述處理器之間互相通信連接，所述存儲器中存儲有計算機指令，所述處理器通過執(zhí)行所述計算機指令，從而執(zhí)行權利要求1-6中任一項所述的船只數(shù)量統(tǒng)計方法。

9.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機指令，所述計算機指令用于使所述計算機執(zhí)行權利要求1-6中任一項所述的船只數(shù)量統(tǒng)計方法。