[發明專利]基于改進YOLOX的船舶目標檢測方法、裝置、設備及介質

在審

• 申請號: 202111543482.1
• 申請日: 2021-12-16
• 公開（公告）號: CN114241377A
• 公開（公告）日: 2022-03-25
• 發明（設計）人: 黃夢醒;張博;馮思玲;毋媛媛;馮文龍;張雨;吳迪
• 申請（專利權）人: 海南大學
• 主分類號: G06V20/40
• 分類號: G06V20/40;G06K9/62;G06V20/52;G06V10/774
• 代理公司: 蘇州中合知識產權代理事務所(普通合伙) 32266
• 代理人: 阮梅

本發明公開基于改進YOLOX的船舶目標檢測方法、裝置、設備及介質，該方法獲取樣本數據集，所述樣本數據集中包含船舶標注圖像和未標注圖像，所述樣本數據集分為訓練集和測試集；構建YOLOX網絡，對所述YOLOX網絡的主干網絡進行優化，將主干網絡替換為ResNet50，以用于提取圖片小目標特征；將樣本數據集輸入所述YOLOX網絡中進行訓練和測試，得到船舶檢測模型；將待檢測的圖像輸入到訓練好的船舶檢測模型中進行檢測，用以輸出船舶檢測結果。本發明通過網絡結構改進、模型簡化等方法對傳統YOLO算法進行改進，使改進算法更好地適應船舶目標檢測任務，協助船檢人員及早發現潛在的危險并做出正確判斷。

技術領域

本發明涉及圖像檢測技術領域，尤其涉及基于改進YOLOX的船舶目標檢測方法、裝置、設備及介質。

背景技術

近年來，船舶系統正朝著智能化、無人化、系統化方向發展。智能船舶已成為國際海事界的新熱點。智能船舶結合了人工智能、大數據、云計算等新技術具有安全、環保、節能、高效的特點。船舶在航行時經常面臨霧氣、高濕和各種海況。同時，他們必須遵守海上航行規則，這些困難對船舶的感知能力提出了更高的要求。因此，智能船舶的感知系統是與外界連接的關鍵部分。我國海岸線漫長，海洋監管任務多，非法捕撈、海域違規等問題給海洋安全帶來隱患，因此對船舶目標進行實時快速檢測非常有必要。

對于海上目標檢測，傳統的檢測方法主要是基于圖像和雷達。穆罕默德、扎比迪等人構建了嵌入式視覺系統對可能受陽光反射影響的水面目標采用增強和平滑方法，提取了四種船舶的Hu不變矩特征，并利用不同的神經網絡對船舶進行識別。前人還提出了一種結合背景和幀間差分法的運動目標檢測方法。然而，傳統方法在極其復雜的海洋環境中檢測率低，泛化能力差；因此，快速實時算法、高精度和高可靠性的研究成為熱點?；谏疃葘W習的海上目標檢測已經很好地解決了這個問題。與傳統識別方法相比，深度學習對目標具有更強的特征表達能力。

近年來，卷積神經網絡在目標檢測領域取得了很大進展?；谏疃葘W習的海上目標檢測已經很好地解決了這個問題，與傳統識別方法相比，深度學習對目標具有更強的特征表達能力。主要有兩種類型：girshick等人提出的基于區域的Ross R-cnn級數算法。Redmon等人提出的基于回歸思想的YOLO系列算法。R-cnn首先生成候選區域，然后將它們輸入到CNN卷積神經網絡中，進行特征提取，將特征與樣本特征進行比較，然后確定目標區域的位置。該算法檢測精度高，但計算速度慢V3算法不生成候選框，直接將檢測轉化為回歸問題。只需一次檢測即可獲得目標位置，提高了檢測速度，滿足實時檢測要求。在實際檢測過程中，船舶往往遠離海岸線，海面上有很多小尺寸的船舶圖像。目前的YOLO系列算法在小規模應用效果較差，存在漏檢現象。

發明內容

為了解決上述技術問題，本發明提出基于改進YOLOX的船舶目標檢測方法、裝置、設備及介質，以解決密集小尺寸船舶的識別困難，YOLO算法的anchor-free實現方法，以及針對船舶目標檢測過程中易受外界干擾、小目標檢測效果差、小目標誤識率高的問題，通過網絡結構改進、模型簡化等方法對傳統YOLO算法進行改進，使改進算法更好地適應船舶目標檢測任務，協助船檢人員及早發現潛在的危險并做出正確判斷。

為了達到上述目的，本發明的技術方案如下：

基于改進YOLOX的船舶目標檢測方法，包括如下步驟：

獲取樣本數據集，所述樣本數據集中包含船舶標注圖像和未標注圖像，所述樣本數據集分為訓練集和測試集；

構建YOLOX網絡，對所述YOLOX網絡的主干網絡進行優化，將主干網絡替換為ResNet50，以用于提取圖片小目標特征；

將樣本數據集輸入所述YOLOX網絡中進行訓練和測試，得到船舶檢測模型；

將待檢測的圖像輸入到訓練好的船舶檢測模型中進行檢測，用以輸出船舶檢測結果。