[发明专利]基于卷积神经网络的海上民用航空器搜寻方法及装置在审
| 申请号： | 202010183301.8 | 申请日： | 2020-03-16 |
| 公开（公告）号： | CN111401241A | 公开（公告）日： | 2020-07-10 |
| 发明（设计）人： | 潘卫军;刘皓晨;王润东 | 申请（专利权）人： | 中国民用航空飞行学院 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04;G06N3/08 |
| 代理公司： | 北京市领专知识产权代理有限公司 11590 | 代理人： | 张玲 |
| 地址： | 618307 四川*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 卷积 神经网络 海上 民用 航空器 搜寻 方法 装置 | ||
1.一种基于卷积神经网络的海上民用航空器搜寻方法，其特征在于，其包括:
获取待识别图像信息，所述图像信息中包括多帧待处理图片；
基于YOLO架构的第一算法识别待识别图像信息中的多帧待处理图片，获得第一识别结果；
基于YOLO架构的第二算法识别待识别图像信息中的多帧待处理图片，获得第二识别结果；
基于YOLO架构将第一识别结果与第二识别结果进行差别检测，获得目标识别结果。
2.根据权利要求1中所述的基于卷积神经网络的海上民用航空器搜寻方法及装置方法，其特征在于，基于YOLO架构的第一算法识别待识别图像信息中的多帧待处理图片，获得第一识别结果的步骤包括：
第一算法包括YOLOV.3算法；
基于YOLOV.3算法识别待识别图像信息中的多帧待处理图片，获得第一识别结果。
3.根据权利要求1中所述的基于卷积神经网络的海上民用航空器搜寻方法，其特征在于，基于YOLO架构的第二算法识别待识别图像信息中的多帧待处理图片，获得第二识别结果的步骤包括：
第二算法包括TINYYOLOV.3算法；
第二芯片基于TINYYOLOV.3算法识别待识别图像信息中的多帧待处理图片，获得第二识别结果。
4.根据权利要求1中所述的基于卷积神经网络的海上民用航空器搜寻方法，其特征在于，所述获取待识别图像信息，所述图像信息中包括多帧待处理图片的步骤包括：
获取待识别图像，从获取的待识别图像中提取出所述多帧待处理图片。
5.一种基于卷积神经网络的海上民用航空器搜寻装置，其特征在于，其包括：
图像获取模块，用于获取待识别图像信息，所述图像信息中包括多帧待处理图片；
第一识别模块，用于基于YOLO架构的第一算法识别待识别图像信息中的多帧待处理图片，获得第一识别结果；
第二识别模块，用于基于YOLO架构的第二算法识别待识别图像信息中的多帧待处理图片，获得第二识别结果；
检测模块，用于基于YOLO架构将第一识别结果与第二识别结果进行差别检测，获得目标识别结果。
6.根据权利要求5所述的基于卷积神经网络的海上民用航空器搜寻装置，其特征在于，第一识别模块，用于基于YOLO架构的第一算法识别待识别图像信息中的多帧待处理图片，获得第一识别结果包括：
第一算法包括YOLOV.3算法；
基于YOLOV.3算法识别待识别图像信息中的多帧待处理图片，获得第一识别结果。
7.根据权利要求5所述的基于卷积神经网络的海上民用航空器搜寻装置，其特征在于，第二识别模块，用于基于YOLO架构的第二算法识别待识别图像信息中的多帧待处理图片，获得第二识别结果包括：
第二算法包括TINYYOLOV.3算法；
第二芯片基于TINYYOLOV.3算法识别待识别图像信息中的多帧待处理图片，获得第二识别结果。
8.根据权利要求5所述的基于卷积神经网络的海上民用航空器搜寻装置，其特征在于，图像获取模块具体用于：获取待识别图像，从获取的待识别图像中提取出所述多帧待处理图片。
9.一种电子设备，其特征在于，其包括处理器，存储器，所处存储器存储相关指令，当处理器读取存储器中的相关指令后，处理器执行如权利要求1～4任一项所述的基于卷积神经网络的海上民用航空器搜寻方法。
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中国民用航空飞行学院，未经中国民用航空飞行学院许可，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/202010183301.8/1.html，转载请声明来源钻瓜专利网。
