[發明專利]一種船舶識別與檢測的方法、裝置、設備及介質

在審

• 申請號: 202310499439.2
• 申請日: 2023-05-06
• 公開（公告）號: CN116665088A
• 公開（公告）日: 2023-08-29
• 發明（設計）人: 李修來;劉笑嶂
• 申請（專利權）人: 海南大學
• 主分類號: G06V20/40
• 分類號: G06V20/40;G06V10/82;G06V10/80;G06N3/0464;G06N3/08
• 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

1.一種船舶識別與檢測的方法，其特征在于，包括如下步驟：

將待識別視頻幀輸入至改進的YOLOv7網絡模型中，調整待識別視頻幀的尺寸并提取調整尺寸后待識別視頻幀的不同尺寸特征；

基于改進的YOLOv7網絡模型中路徑聚合的特征金字塔網絡對不同尺寸特征進行融合，獲得融合特征；

通過改進的YOLOv7網絡模型中的預測網絡對融合特征進行預測分析，獲得船舶類別預測結果。

2.根據權利要求1所述的一種船舶識別與檢測的方法，其特征在于，所述改進的YOLOv7網絡模型的訓練過程，包括如下步驟：

獲取數據集，所述圖像數據集中具有不規則形狀和不同尺寸的船舶圖像；

對所述數據集進行隨機抽樣，根據隨機抽樣的數據集確定訓練集和測試集；

基于訓練集對初始的YOLOv7網絡模型中進行訓練，獲得預測結果，并將預測結果與實際數據進行對比，若對比結果不滿足預設要求，則調整參數繼續訓練，直至滿足預設要求或達到預設迭代次數，獲得改進的YOLOv7網絡模型。

3.根據權利要求2所述的一種船舶識別與檢測的方法，其特征在于，還包括如下步驟：

使用測試集對改進的YOLOv7網絡模型進行測試，并通過準確度、召回率和平均精度均值指標來進行模型評估。

4.根據權利要求2所述的一種船舶識別與檢測的方法，其特征在于，基于訓練集對初始的YOLOv7網絡模型中進行訓練前，還包括如下步驟：

對數據集進行圖像增強處理。

5.根據權利要求4所述的一種船舶識別與檢測的方法，其特征在于，所述圖像增強包括隨機旋轉、隨機縮放和隨機裁剪。

6.根據權利要求2所述的一種船舶識別與檢測的方法，其特征在于，所述YOLOv7網絡模型中錨框的尺寸采用K均值聚類方法確定。

7.一種船舶識別與檢測的裝置，其特征在于，包括輸入模塊、提取模塊、融合模塊和預測模塊，其中，

所述輸入模塊，用于調整輸入圖像的尺寸；

所述提取模塊，用于提取調整尺寸后圖像的不同尺寸特征；

所述融合模塊，用于采用路徑聚合的特征金字塔網絡對不同尺寸特征進行融合，獲得融合特征；

所述預測模塊，用于通過改進的YOLOv7網絡模型中的預測網絡對融合特征進行預測分析，獲得船舶類別預測結果。

8.一種計算機設備，其特征在于，包括：存儲器，用于存儲計算機程序；處理器，用于執行所述計算機程序時實現如權利要求1至6任一項所述的方法。

9.一種可讀存儲介質，其特征在于，所述可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現如權利要求1至6任一項所述的方法。