[發明專利]一種基于改進的YOLO算法的海洋生物目標檢測方法

在審

• 申請號: 202111251729.2
• 申請日: 2021-10-25
• 公開（公告）號: CN113901944A
• 公開（公告）日: 2022-01-07
• 發明（設計）人: 劉洋;李英平;孔程玉;叢禹塵;劉勝藍;王飛龍;張津榕
• 申請（專利權）人: 大連理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 大連大工智訊專利代理事務所(特殊普通合伙) 21244
• 代理人: 梁左秋

1.一種基于改進的YOLO算法的海洋生物目標檢測方法，其特征在于，包括以下步驟：

步驟100，采集海洋生物數據集；

步驟200，對數據集進行預處理和數據增廣；

步驟300，構建使用可變形卷積改進的YOLO V3檢測器；

步驟400，在進行步驟200形成的數據集上訓練模型，包括如下步驟401至步驟406：

步驟401，讀取參數文件，加載在大規模圖像分類數據集上預訓練的模型權重；

步驟402，從步驟200處理生成的數據集中讀取圖像，劃分訓練集和驗證集；

步驟403，將訓練數據分批次輸入到骨干網絡中，經過連續的卷積處理，生成三張尺度分別為13*13、26*26和52*52的特征圖，供后續特征融合；

步驟404，通過上采樣后再卷積的方式，融合三張不同尺度下的特征圖上所包含的信息，供后續執行預測；

步驟405，使用兩分支的頭部網絡，在三張特征圖上的每一個網格處各預測出三個目標框，并給出它們的位置信息和類別信息；

步驟406，采用BBox Voting的方法對目標框進行后處理，得到最終的預測結果；

步驟500，部署訓練好的模型用于海洋生物目標的檢測任務。

2.根據權利要求1所述的基于改進的YOLO算法的海洋生物目標檢測方法，其特征在于，所述步驟100中采集海洋生物數據集，包括如下步驟：

步驟101，由潛水員或水下航行器攜帶攝像頭設備在近岸海域拍攝包含海洋生物的原始圖像；

步驟102，篩選所攝制的圖像，對拍攝質量較好的圖像上存在的海洋生物進行標注，形成標準圖像和標注信息；

步驟103，將標準圖像和標注信息按照PASCAL VOC的標準格式導出，形成數據集。

3.根據權利要求1所述的基于改進的YOLO算法的海洋生物目標檢測方法，其特征在于，所述步驟200，對數據集進行預處理和數據增廣，包括如下步驟：

步驟201，讀入數據集中的圖像，采用直方圖均衡化的方法，調整圖像的灰度分布，生成圖像集A；

步驟202，讀入圖像集A中的圖像，采用Flip的方法，隨機翻轉圖像，增加數據集中不同視角下的樣本數量，生成圖像集B；

步驟203，讀入圖像集A中的圖像，采用Mixup的方法，隨機融合圖像，增加數據集中存在遮擋和密集分布現象的樣本數量，生成圖像集C；

步驟204，讀入圖像集A中的圖像，采用Crop的方法，隨機裁剪圖像，增加數據集中大尺度目標的樣本數量，生成圖像集D；

步驟205，讀入圖像集A中的圖像，采用Expand的方法，隨機拼合圖像，增加數據集中小尺度目標的樣本數量，生成圖像集E；

步驟206，讀入圖像集A中的圖像，統計不同類別樣本的分布，采用Copy-Paste的方法，增加數據集中樣本數較少的類別的樣本數量，生成圖像集F；

步驟207，讀入圖像集A、B、C、D、E、F中的圖像，將圖像大小縮放到標準尺寸，生成待訓練的圖像集G。

4.根據權利要求1所述的基于改進的YOLO算法的海洋生物目標檢測方法，其特征在于，所述步驟300，構建改進的YOLO V3檢測器，包括以下步驟：

步驟301，構建輸入層，用于接受水下圖像輸入；

步驟302，構建使用可變形卷積塊改進的骨干網絡，用于提取特征；

步驟303，構建使用可變形卷積塊改進的第一大尺度檢測頭部網絡，用于檢測大尺度海洋生物；

步驟304，構建使用可變形卷積塊改進的第二中尺度檢測頭部網絡，用于檢測中尺度海洋生物；

步驟305，構建使用可變形卷積塊改進的第三小尺度檢測頭部網絡，用于檢測小尺度海洋生物；

步驟306，將步驟301至305所構建網絡進行組合，得到改進的YOLO V3檢測器。