[发明专利]水下鱼类目标检测方法及装置

权利要求书

1.一种水下鱼类目标检测方法，其特征在于，包括：

将待检测图像输入目标检测模型中的特征提取模型中，从所述特征提取模型的各层输出的特征图中获取所述待检测图像的多个不同尺度的特征图；

将所述多个不同尺度的特征图输入所述目标检测模型，输出所述待检测图像的目标检测结果；

其中，所述目标检测模型，以样本图像为样本，以样本图像的目标检测标签为样本标签进行训练获取；所述待检测图像包括多个不同尺度的鱼类目标的图像。

2.根据权利要求1所述的水下鱼类目标检测方法，其特征在于，所述特征提取模型包括反卷积模块和下采样模块；

相应地，所述将待检测图像输入目标检测模型中的特征提取模型中，从所述特征提取模型的各层输出的特征图中获取所述待检测图像的多个不同尺度的特征图，包括：

将所述待检测图像依次经过各下采样模块，获取最后一个下采样模块输出的特征图；

将所述最后一个下采样模块输出的特征图依次经过各反卷积模块，获取各反卷积模块输出的特征图；

将各反卷积模块输出的特征图作为所述待检测图像的特征图；

其中，各反卷积模块输出的特征图为不同尺度的特征图，所述下采样模块用于对所述下采样模块的输入进行下采样，所述反卷积模块用于对所述反卷积模块的输入进行反卷积。

3.根据权利要求2所述的水下鱼类目标检测方法，其特征在于，所述将所述最后一个下采样模块输出的特征图依次经过各反卷积模块，获取各反卷积模块输出的特征图，包括：

将所述最后一个下采样模块输出的特征图依次经过各反卷积模块输出的特征图和各反卷积模块对应的下采样模块输出的特征图进行融合；

将融合结果输入紧邻各反卷积模块后面的反卷积模块，获取所述后面的反卷积模块输出的特征图；其中，所述反卷积模块与所述下采样模块预先关联。

4.根据权利要求3所述的水下鱼类目标检测方法，其特征在于，所述将所述最后一个下采样模块输出的特征图依次经过各反卷积模块输出的特征图和各反卷积模块对应的下采样模块输出的特征图进行融合，包括：

对于任一反卷积模块，对紧邻该反卷积模块前的反卷积模块输出的特征图进行反卷积，并对反卷积后的特征图进行第一卷积操作，获取第一卷积操作后的特征图；

对该反卷积模块对应的下采样模块输出的特征图分别进行第二卷积操作和第三卷积操作，获取第二卷积操作后的特征图和第三卷积操作后的特征图；

将所述第一卷积操作后的特征图、第二卷积操作后的特征图和第三卷积操作后的特征图进行融合；

其中，所述第一卷积操作后的特征图、第二卷积操作后的特征图和第三卷积操作后的特征图的通道数均相同，所述第一卷积操作后的特征图、第二卷积操作后的特征图和第三卷积操作后的特征图的尺寸均相同。

5.根据权利要求4所述的水下鱼类目标检测方法，其特征在于，所述将所述第一卷积操作后的特征图、第二卷积操作后的特征图和第三卷积操作后的特征图进行融合，包括：

将所述第一卷积操作后的特征图和第二卷积操作后的特征图进行点积操作，并将点积操作后的特征图与所述第三卷积操作后的特征图进行融合。

6.根据权利要求1-5任一所述的水下鱼类目标检测方法，其特征在于，在所述将待检测图像输入目标检测模型中的特征提取模型中，从所述特征提取模型的各层输出的特征图中获取所述待检测图像的多个不同尺度的特征图之前，还包括：

对所述待检测图像进行预处理；

其中，所述预处理包括对所述待检测图像进行图像增强，和/或几何变换。

7.根据权利要求1-5任一所述的水下鱼类目标检测方法，其特征在于，所述目标检测模型的损失函数为FocalLoss函数。