[发明专利]一种基于深度学习的航道内运动船舶目标检测方法在审
| 申请号： | 201810720972.6 | 申请日： | 2018-07-03 |
| 公开（公告）号： | CN108921099A | 公开（公告）日： | 2018-11-30 |
| 发明（设计）人： | 陈从平;吴喆 | 申请（专利权）人： | 常州大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/34 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 213164 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 训练集样本 后处理 航道 应用场景 算法 学习 上下文预测 船舶检测 船舶目标 目标检测 视频序列 输入网络 网络输出 样本训练 运动船舶 误检率 小批量 准确率 制作 标注 网络 采集 船舶 检测 | ||
【权利要求书】：
1.一种基于深度学习的航道内运动船舶目标检测方法，其特征在于包含以下步骤：
步骤1：采集、标注、制作拟监测航道上包含各类船只图像的样本集并输入到深度卷积神经网络进行学习；
步骤2：开发算法对训练好的深度卷积神经网络的输出进行自动后处理。
2.根据权利要求1所述的一种基于深度学习的航道内运动船舶目标检测方法，其特征在于：权利要求1中的步骤2还包括以下步骤：
步骤21：设置阈值T1，并滤除网络输出中置信度低于T1的目标；
步骤22：计算每个(剩余)目标的最小外接矩形框像素面积S，设置阈值T2，并滤S＜T2的目标(即小目标)；
步骤23：针对当前帧中剩下的每个目标Pi，在上一帧中逐一寻找与每个目标Pi的最小外接矩形的形心距最小、且距离小于设定置T3的目标Pi；
步骤24：若存在满足条件的Pi′，计算Pi与Pi′最小外接矩形框的IoU(交并比)值，判断IoU值是否大于设定阈值T4，若大于设定阈值，则认为匹配到同一目标，更新目标信息，并将该目标对应的累加器(即计数器)值加一；
步骤25：判断累加器值，若累加器值大于设定阈值T5，即表明该目标在连续多帧中被持续检测出来，此时认为该目标确实存在。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于常州大学，未经常州大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201810720972.6/1.html，转载请声明来源钻瓜专利网。
