[發明專利]一種改進Yolo水下圖像小目標和遮擋目標的檢測方法

在審

• 申請號: 202110017704.X
• 申請日: 2021-01-07
• 公開（公告）號: CN112733929A
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 陳巍;許鑫;郭鐵錚;陳國軍;高天宇;金俊;賀晨煜;王杰
• 申請（專利權）人: 南京工程學院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/20;G06K9/40;G06K9/46;G06N3/04
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 張賞

1.一種改進Yolo水下圖像小目標和遮擋目標的檢測方法，其特征在于，包括：

對水下機器采集的圖像進行預處理；

將預處理后的圖像輸入預先訓練好的改進YoloV3網絡模型中，輸出目標物體在圖像中的位置信息和類別信息；

所述改進YoloV3網絡模型包括：特征提取模塊，特征增強模塊和特征輸出模塊；

所述特征提取模塊用于輸入預處理后的圖像，輸出13*13，26*26，52*52和1024*1024四種尺寸共6個特征圖；

所述特征增強模塊用于對輸入特征圖進行多次池化操作，并提取特征；

所述特征輸出模塊用于將提取的特征進行整合，輸出預測結果，所述預測結果包括目標物體在圖像中的位置信息和類別信息。

2.根據權利要求1所述的一種改進Yolo水下圖像小目標和遮擋目標的檢測方法，其特征在于，所述特征提取模塊采用Densenet，包括4個Dense Block，分別對應輸出13*13，26*26，52*52和1024*1024四種尺寸的特征圖；

第二和第三個Dense Block之間的轉換層經步長為1的卷積操作和步長為2的最大池化操作后生成一個26*26的特征圖；

第三和第四個Dense Block之間的轉換層經步長為1的卷積操作和步長為2的最大池化操作后生成一個52*52的特征圖。

3.根據權利要求2所述的一種改進Yolo水下圖像小目標和遮擋目標的檢測方法，其特征在于，還包括，

在Densenet之前增加RBFNet環節。

4.根據權利要求1所述的一種改進Yolo水下圖像小目標和遮擋目標的檢測方法，其特征在于，所述特征增強模塊采用在YoloV3網絡結構的基礎上增加SPP網絡層；

所述SPP網絡層用于對輸入特征圖進行包含5*5、9*9和13*13的三種不同尺度的池化操作；以及從池化操作后的每個塊中提取一個特征。

5.根據權利要求4所述的一種改進Yolo水下圖像小目標和遮擋目標的檢測方法，其特征在于，還包括，

將SPP網絡層提取的所有特征合并且進行批量歸一化。

6.根據權利要求1所述的一種改進Yolo水下圖像小目標和遮擋目標的檢測方法，其特征在于，所述特征輸出模塊具體用于，

采用水下機器采集若干水下圖像；

對采集的圖像進行預處理，構成訓練集；

使用LabelImg進行數據標注，標注出圖像中目標物體的位置和類別信息，形成適用Yolo訓練的標注文件；

使用改進YoloV3網絡模型對標注后的文件進行訓練，采用損失函數不斷優化，訓練得到最優的模型權重文件。

7.根據權利要求6所述的一種改進Yolo水下圖像小目標和遮擋目標的檢測方法，其特征在于，在訓練過程中，采用Repulsion Loss損失函數，對改進YoloV3網絡模型進行優化，得到最優的YoloV3網絡模型權重文件。

8.根據權利要求6所述的一種改進Yolo水下圖像小目標和遮擋目標的檢測方法，其特征在于，所述特征輸出模塊具體用于，

采用訓練好的模型權重文件對預處理后的水下圖像進行測試，輸出目標物體在圖像中的位置信息和類別信息。

9.根據權利要求6所述的一種改進Yolo水下圖像小目標和遮擋目標的檢測方法，其特征在于，對采集的圖像進行預處理，包括：

將采集的圖像由RGB格式圖像轉化為YCbCr格式圖像；

對YCbCr格式圖像進行同態濾波和小波去噪處理；

將處理后的圖像重新轉換為RGB格式圖像。

10.根據權利要求1所述的一種改進Yolo水下圖像小目標和遮擋目標的檢測方法，其特征在于，還包括，采用Soft NMS篩選最終的目標檢測框。