[發明專利]一種基于特征增強和細化的單階段水下生物目標檢測方法

在審

• 申請號: 202011169614.4
• 申請日: 2020-10-27
• 公開（公告）號: CN112417980A
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 范保杰;陳煒
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06N3/08
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 冒艷

本發明公開了一種基于特征增強和細化的單階段水下生物目標檢測方法，包括：采集訓練數據，獲取水下生物訓練特征樣本，構建水下目標檢測數據集；數據預處理，對數據集進行人工標注，將數據劃分訓練集和測試集；構建神經網絡，包含特征提取骨干網絡、特征增強模塊和特征細化模塊；訓練神經網絡，將訓練集數據輸入構建好的神經網絡進行訓練，得到水下生物目標檢測的權重模型；預測結果，通過訓練的得到的權重模型構建檢測器，對測試集數據進行回歸和分類得到檢測結果。通過特征增強模塊提升網絡的多尺度上下文特征表達能力，解決水下生物模糊、尺度變化大問題。通過特征細化模塊細化特征，使特征與錨框對齊，解決樣本不平衡的問題。

技術領域

本發明涉及單階段目標檢測算法，特別涉及一種基于特征增強和細化的單階段水下生物目標檢測方法。

背景技術

水下機器人可以用來進行海底探測、船體檢修和海洋考察等重要任務，相關研發收到重視。水下機器人的商用價值最直接的體現產業就是海產業。目前，海參海膽之類的海產品受到很多人的追捧，但是人工捕撈不僅對潛水員的能力要求高，而且長期的水下作業有害潛水員的健康。因此，用水下機器人捕撈代替人工捕撈具有實際意義。通過水下機器人捕獲水下生物需要目標檢測技術的支撐。目前，水下目標檢測主要依賴于聲納、激光和相機三種典型的傳感器。聲納傳感器對幾何結構信息敏感，即使在低能見度環境下也能提供水下場景的信息。然而，聲納獲得的數據只能呈現掃描點之間的距離差異。這種類型的傳感器會遺漏諸如視覺特征等其他因素。水下激光掃描儀利用光在水中傳播進行精確建模，就獲得的3D圖像的分辨率和準確度而言，這樣的傳感器確實可以提供高性能。然而，水下激光掃描儀非常昂貴，并且和視覺一樣受到水介質吸收和噪聲的干擾。與聲納相反，相機可以以高的空間和時間分辨率提供更多類型的視覺信息。突出的物體可以通過顏色、紋理和輪廓視覺特征來識別。所以，基于視覺的水下目標檢測具有很高的性價比。在算法層面上，雖然通用目標檢測發展的很成熟并且可以很容易的在水下環境部署使用。但是，由于水下環境復雜多變，懸浮物等干擾因素眾多，水下相機獲取的圖像往往出現對比度低、紋理失真、光照不均勻等問題，一些魯棒性不強的通用目標檢測算法直接運用到水下環境的檢測效果很差。而且，目前還缺乏真實環境下的水下大規模訓練數據集，以上種種制約了水下機器人技術的發展。

發明內容

本發明的目的是在通用目標檢測算法上進行改進，提出一種基于特征增強和細化的單階段水下生物目標檢測算法。

技術方案：本發明提供一種基于特征增強和細化的單階段水下生物目標檢測方法，包括以下步驟：

步驟(1)：采集訓練數據，通過水下相機獲取水下生物訓練特征樣本，構建所需水下目標檢測數據集；

步驟(2)：數據預處理，對采集到的水下數據集進行人工標注，劃分為4個類，并將采集到的數據按照7∶3的比例劃分訓練集和測試集；

步驟(3)：構建神經網絡，包含特征提取骨干網絡、特征增強模塊和特征細化模塊，特征提取網絡由特征提取骨干復合連接而成，特征增強模塊由卷積分支組合而成，特征細化模塊集成在預測分支上，且使用可變形卷積核；

步驟(4)：訓練神經網絡，將所述的訓練集數據輸入構建好的神經網絡進行訓練，得到水下生物目標檢測的權重模型；

步驟(5)：預測結果，通過訓練的得到的權重模型，構建一個檢測器，對測試集數據進行回歸和分類，得到測試集的檢測結果。

算法包括以下步驟：

步驟(1)：采集訓練數據，通過水下相機獲取水下生物訓練特征樣本；

步驟(2)：數據預處理，對采集到的樣本數據按照7∶3的比例劃分訓練集和測試集，并進行人工標注；

步驟(3)：構建神經網絡，包含特征提取骨干，特征增強模塊和特征細化模塊；