[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

本發明提供一種船只檢測方法及裝置，其中，方法包括：獲取船只圖像訓練樣本；根據船只圖像訓練樣本對神經網絡模型進行訓練，獲取神經網絡模型的輸出向量，神經網絡模型包括RPN網絡、Fast R?CNN網絡、共享卷積層；根據船只圖像訓練樣本對應的實際結果及輸出向量計算神經網絡模型的損失；根據損失對圖像級別以及感興趣區域級別進行梯度反轉，圖像級別表示船只圖像訓練樣本的清晰度級別，感興趣區域級別表示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神經網絡模型的權重參數，構建船只檢測模型。實施本發明，提高了船只檢測模型對不同的天氣情況以及不同船只類型的適應性，從而提高檢測效率。

技術領域

本發明涉及計算機視覺領域，具體涉及一種船只檢測方法及裝置。

背景技術

隨著水上交通、漁業管理的蓬勃發展，對船只的檢測也日益收到重視。相關技術中，對船只的檢測采用光流法、背景差法和基于機器學習的方法，但這種方法檢測速度慢。另外采用深度學習的神經網絡檢測方法對不同的天氣情況適應性低，且無法對不同船只類型進行特征學習，導致檢測效率低。

發明內容

因此，本發明要解決的技術問題在于克服現有技術中的船只檢測價格高昂以及檢測范圍小的缺陷，從而提供一種船只檢測模型訓練方法及基于視頻的船只檢測方法。

根據第一方面，本發明實施例提供一種船只檢測模型訓練方法，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。

結合第一方面，在第一方面第一實施方式中，船只檢測模型訓練方法還包括：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；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。

根據第二方面，本發明實施例提供一種基于視頻的船只檢測方法，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第一方面或第一方面任一實施方式所述的船只檢測模型訓練方法訓練生成的。

結合第二方面，在第二方面第一實施方式中，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，船只檢測模型訓練方法還包括：對所述視頻圖像進行圖像增強及去噪處理。

根據第三方面，本發明實施例提供一種船只檢測模型訓練裝置，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。