[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
地址：	211167 江蘇***	國省代碼：	江蘇;32
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種改進 yolo 水下圖像目標遮擋檢測方法
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

本發明公開了一種改進Yolo水下圖像小目標和遮擋目標的檢測方法，該方法采用改進YoloV3網絡模型對水下機器采集的圖像進行預測分類，最終輸出目標物體在圖像中的位置信息和類別信息；本發明中改進YoloV3網絡的特征提取模塊采用Densenet并增加了一個1024*1024的特征圖，同時對兩個轉換層進行步長為1的卷積操作和步長為2的最大池化操作，最終輸出6個不同尺寸的特征圖；本發明增加SPP網絡層，對輸入的原始特征圖進行三種不同尺度的池化操作，能夠對物體尺寸的變化和遮擋情況進行魯棒檢測。本發明減少了網絡參數，使計算過程更加簡單，且提高了小目標的檢測精度。

技術領域

本發明涉及一種改進Yolo水下圖像小目標和遮擋目標的檢測方法，屬于人工智能、計算機視覺技術領域。

背景技術

伴隨著互聯網時代的落幕，人工智能時代已經悄悄地到來。雖然我們目前仍處于弱人工智能時代，但是人工智能已經給我們帶來了巨大的便利。視覺作為人類最重要的感知系統，在機器中也得到了充分的體現。在計算機視覺中運用較多的有圖像分類、物體檢測、圖像分割、物體跟蹤、關鍵點檢測等技術，其中在工業中運用較多的就是目標檢測這一技術。目標檢測的目的是將圖片(視頻中)中感興趣的目標給提取出來，它是計算機視覺中環境理解領域中比較重要的任務之一。

目前，在目標檢測中比較常用的算法有SSD、Fast-RCNN和Yolo，Yolo是一種One-Stage算法，相比較于Fast-RCNN這種Two-Stage算法，Yolo可以直接預測物體的類別和位置，沒有RPN網絡，也沒有類似Anchor的預選框，因此速度很快，在工業中得到了大量的運用。

但是Yolo也存在著一些缺陷。首先在Yolo網絡模型中，由于每個區域默認只有兩個邊框做預測，并且只有一個類別，因此這會導致對小物體的檢測效果變差，造成漏檢的結果。其次由于是在水下環境中，水下機器所獲取的圖像效果會比較差，如果直接將獲取到的水下圖像送入Yolo網絡，會導致預測效果變差。

發明內容

本發明的目的在于提供一種改進Yolo水下圖像小目標和遮擋目標的檢測方法，使用SPP-Net、RBFNet和Dense-Net來改進原先的YoloV3網絡，減少了網絡參數，使計算過程更加簡單；同時提高了小目標的檢測精度。

為達到上述目的，本發明采用的技術方案如下：

本發明提供一種改進Yolo水下圖像小目標和遮擋目標的檢測方法，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。