[发明专利]一种夜晚水下鱼类目标检测方法在审
| 申请号： | 202011094743.1 | 申请日： | 2020-10-14 |
| 公开（公告）号： | CN112232180A | 公开（公告）日： | 2021-01-15 |
| 发明（设计）人： | 张明华;龙腾;宋巍;黄冬梅;梅海彬;贺琪 | 申请（专利权）人： | 上海海洋大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/32;G06K9/62;G06N3/04;G06T7/90 |
| 代理公司： | 上海伯瑞杰知识产权代理有限公司 31227 | 代理人： | 孟旭彤 |
| 地址： | 201306 上*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 夜晚 水下 鱼类 目标 检测 方法 | ||
1.一种夜晚水下鱼类目标检测方法，其特征在于，所述目标检测方法包括：
按一定时间间隔获取夜晚水下鱼类图像；
使用MSRCP算法对所述夜晚水下鱼类图像进行图像增强处理，获取增强后夜晚水下鱼类图像；
将所述增强后夜晚水下鱼类图像输入已训练的DetNASNet主干网络进行特征信息提取；
将提取的所述特征信息输入经Soft-NMS算法优化后的Cascade R-CNN模型进行目标检测；
获取所述夜晚水下鱼类目标检测结果。
2.如权利要求1所述的一种夜晚水下鱼类目标检测方法，其特征在于，所述将所述增强后夜晚水下鱼类图像输入已训练的DetNASNet主干网络进行特征提取之前还包括：使用MSRCP算法获取训练用夜晚水下鱼类图像，并使用所述训练用夜晚水下鱼类图像对所述DetNASNet主干网络进行网络训练。
3.如权利要求1所述的一种夜晚水下鱼类目标检测方法，其特征在于，使用所述Soft-NMS算法对所述Cascade R-CNN模型进行优化的步骤如下：
将所述特征信息输入至所述Cascade R-CNN模型中的RPN模块进行回归和分类获取检测分类类别标签C0和检测边框回归坐标B0；
将所述检测边框回归坐标B0和所述特征信息经过池化后继续输入所述RPN模块并选取IOU阔值，获取检测分类类别标签C1和检测边框回归坐标B1；
以此循环多次并选择不同的IOU阔值，获取最终检测分类类别标签和最终检测边框回归坐标。
4.如权利要求3所述的一种夜晚水下鱼类目标检测方法，其特征在于，所述Soft-NMS算法可以为线性加权算法或高斯加权算法。
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上海海洋大学，未经上海海洋大学许可，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/202011094743.1/1.html，转载请声明来源钻瓜专利网。
