[發明專利]一種船只檢測方法及裝置

在審

• 申請號: 201911342159.0
• 申請日: 2019-12-23
• 公開（公告）號: CN111611835A
• 公開（公告）日: 2020-09-01
• 發明（設計）人: 鄧練兵;陳金鹿;逯明
• 申請（專利權）人: 珠海大橫琴科技發展有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京三聚陽光知識產權代理有限公司 11250
• 代理人: 林韻英

1.一種船只檢測模型訓練方法，其特征在于，包括：

獲取船只圖像訓練樣本；

根據所述船只圖像訓練樣本對神經網絡模型進行訓練，獲取所述神經網絡模型的輸出向量，所述神經網絡模型包括RPN網絡、Fast R-CNN網絡、共享卷積層；

根據所述船只圖像訓練樣本對應的實際結果及所述輸出向量計算所述神經網絡模型的損失；

根據所述損失對圖像級別以及感興趣區域級別進行梯度反轉，所述圖像級別表示所述船只圖像訓練樣本的清晰度級別，所述感興趣區域級別表示所述船只圖像訓練樣本的船只類型級別；

根據梯度反轉后的損失調整所述神經網絡模型的權重參數，構建船只檢測模型。

2.根據權利要求1所述的船只檢測模型訓練方法，其特征在于，還包括：

獲取船只圖像測試樣本；

根據所述船只圖像測試樣本及所述船只檢測模型得到測試結果；

根據所述測試結果判斷所述船只檢測模型的準確率是否高于預設閾值；

當所述船只檢測模型的準確率高于所述預設閾值，將所述船只檢測模型確定為可用的船只檢測模型。

3.一種基于視頻的船只檢測方法，其特征在于，包括如下步驟：

獲取視頻圖像；

將所述視頻圖像輸入至預設的船只檢測模型，得到船只檢測結果；所述預設的船只檢測模型是通過如權利要求1或2所述的船只檢測模型訓練方法訓練生成的。

4.根據權利要求3所述的基于視頻的船只檢測方法，其特征在于，在所述獲取視頻圖像之后、將所述視頻圖像輸入至預設的船只檢測模型之前，還包括：

對所述視頻圖像進行圖像增強及去噪處理。

5.一種船只檢測模型訓練裝置，其特征在于，包括：

樣本獲取模塊，用于獲取船只圖像訓練樣本；

向量獲取模塊，用于根據所述船只圖像訓練樣本對神經網絡模型進行訓練，獲取所述神經網絡模型的輸出向量，所述神經網絡模型包括RPN網絡、Fast R-CNN網絡、共享卷積層；

損失計算模塊，用于根據所述船只圖像訓練樣本對應的實際結果及所述輸出向量計算所述神經網絡模型的損失；

梯度反轉模塊，用于對所述損失對圖像級別以及感興趣區域級別進行梯度反轉，所述圖像級別表示所述船只圖像訓練樣本的清晰度級別，所述感興趣區域級別表示所述船只圖像訓練樣本的船只類型級別；

模型構建模塊，用于根據梯度反轉后的損失調整所述神經網絡模型的權重參數，構建船只檢測模型。

6.根據權利要求5所述的船只檢測模型訓練裝置，其特征在于，還包括：

船只圖像測試樣本獲取模塊，用于獲取船只圖像測試樣本，所述船只圖像測試樣本包括具有船只的正樣本圖像及不具有船只的負樣本圖像；

測試結果獲取模塊，用于根據所述船只圖像測試樣本及所述船只檢測模型得到測試結果；

準確率判斷模塊，用于根據所述測試結果判斷所述船只檢測模型的準確率是否高于預設閾值；

船只檢測模型確定模塊，用于當所述船只檢測模型的準確率高于所述預設閾值，將所述船只檢測模型確定為可用的船只檢測模型。

7.一種基于視頻的船只檢測裝置，其特征在于，包括：

視頻圖像獲取模塊，用于獲取視頻圖像；

檢測結果獲取模塊，用于將所述視頻圖像輸入至預設的船只檢測模型，得到船只檢測結果；所述預設的船只檢測模型是通過如權利要求1或2所述的船只檢測模型訓練方法訓練生成的。

8.根據權利要求7所述的基于視頻的船只檢測裝置，其特征在于，還包括：

圖像處理模塊，用于對所述視頻圖像進行圖像增強及去噪處理。

9.一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現權利要求1或2所述的船只檢測模型訓練方法或權利要求3或4所述的基于視頻的船只檢測方法的步驟。

10.一種存儲介質，其上存儲有計算機指令，其特征在于，該指令被處理器執行時實現權利要求1或2所述的船只檢測模型訓練方法或權利要求3或4所述的基于視頻的船只檢測方法的步驟。