[發明專利]一種船舶檢測方法、系統及計算機存儲介質

有效

• 申請號: 202310209497.7
• 申請日: 2023-03-07
• 公開（公告）號: CN116052094B
• 公開（公告）日: 2023-06-09
• 發明（設計）人: 陳江海;魯杰;曹彩霞;吳顯德;張進虎
• 申請（專利權）人: 浙江華是科技股份有限公司
• 主分類號: G06V20/54
• 分類號: G06V20/54;G06V10/72;G06V10/774;G06V10/766;G06V10/26;G06V10/80
• 代理公司: 北京城烽知識產權代理事務所(特殊普通合伙) 11829
• 代理人: 王新月

1.一種船舶檢測方法，其特征在于，包括：

S1，從原始訓練集中抽取原始迭代圖片；對每張原始迭代圖片分別進行復制，將復制好的每張原始迭代圖片從不同種類的數據增強中隨機選擇一種進行數據增強，得到增強迭代圖片；

S2，將每張原始迭代圖片輸入到初始船舶檢測模型中進行模型訓練，得到原始目標預測結果；以及將每張增強迭代圖片輸入到所述初始船舶檢測模型中進行模型訓練，得到增強目標預測結果；根據所述原始目標預測結果和所述增強目標預測結果計算得到迭代總損失值；根據所述迭代總損失值對所述初始船舶檢測模型進行更新，得到當前迭代船舶檢測模型；將原始訓練集全部圖片訓練完，得到第一更新船舶檢測模型以及第一輪總損失值；

S3，將原始訓練集輸入到所述第一更新船舶檢測模型中進行模型訓練，得到每個目標的原始損失值；將原始訓練集中每張圖片分別進行不同種類的數據增強得到增強訓練集，將所述增強訓練集輸入到所述第一更新船舶檢測模型中進行模型訓練，得到每個目標的增強損失值；根據所述原始損失值、所述增強損失值計算得到增強訓練集中每個目標的差異值；將全部的所述差異值從大到小排列，并將排列后的第一預設范圍內的差異值對應的目標進行裁剪；將裁剪的目標粘貼到對應的原始圖片中并進行融合操作，以使目標與所述原始圖片的邊緣虛化，中心突出，得到第一粘貼圖片集；

S4，將所述第一粘貼圖片集進行S1、S2操作，得到第二更新船舶檢測模型以及第二輪總損失值；

S5，將所述原始訓練集輸入到所述第二更新船舶檢測模型，重復S3操作，得到第二粘貼圖片集；

S6，重復所述S4、S5，直至第二輪總損失值在第二預設范圍內波動，停止模型訓練，得到目標船舶檢測模型；

S7，將待檢測圖片輸入到所述目標船舶檢測模型中進行檢測，得到目標位置和類別；

所述S2包括：

S21，將每張原始迭代圖片輸入到所述初始船舶檢測模型中進行模型訓練，得到原始目標預測結果，以及每張原始迭代圖片的原始類別損失和原始回歸損失；

S22，將所述原始目標預測結果中預測目標框的坐標和原始目標標定結果中標定目標框的坐標進行交并比匹配得到與原始標定目標框最匹配的原始預測目標框，并將最匹配的原始預測目標框的類別賦值到原始標定目標框；

S23，將每張增強迭代圖片輸入到所述初始船舶檢測模型中進行模型訓練，得到增強目標預測結果；根據所述增強目標預測結果、增強目標標定結果、所述與原始標定目標框最匹配的原始預測目標框、賦值后的原始標定目標框的類別計算得到每張增強迭代圖片的增強類別損失和增強回歸損失；

S24，根據所述原始類別損失、所述原始回歸損失、所述增強類別損失和所述增強回歸損失計算得到迭代總損失值；根據所述迭代總損失值對所述初始船舶檢測模型進行更新，得到當前迭代船舶檢測模型；

S25，重復所述S21～S24直至將原始訓練集全部圖片訓練完，得到第一更新船舶檢測模型以及第一輪總損失值；

所述S23包括：

根據原始標定目標框的坐標、與原始標定目標框最匹配的原始預測目標框的坐標、與原始標定目標框最匹配的原始預測目標框的類別得分計算得到最匹配的原始預測目標框的權重；

將每張增強迭代圖片輸入到所述初始船舶檢測模型中進行模型訓練，得到增強目標預測結果；根據所述最匹配的原始預測目標框的權重、所述增強目標預測結果、所述賦值后的原始標定目標框的類別計算得到每張增強迭代圖片的增強類別損失；

根據所述增強目標預測結果、所述增強目標標定結果計算得到每張增強迭代圖片的增強回歸損失。