[发明专利]一种海洋生物检测方法、系统和设备

权利要求书

1.一种海洋生物检测方法，其特征在于，包括：

获取ImageNet数据集、海洋生物细粒度图像分类数据集以及拍摄得到的海洋生物数据集；

使用所述ImageNet数据集对预设分类网络进行训练，得到预训练模型；

使用所述海洋生物细粒度图像分类数据集对所述预训练模型进行训练得到训练模型；

选取部分所述海洋生物数据集进行标注得到标注数据集；

使用预设算法对标注数据集进行强化；

使用训练模型结合多尺度检测网络和位置注意力机制基于强化后的标注数据集进行训练，得到海洋生物检测模型；

输入未被标注的自拍摄海洋生物数据集，输出检测信息。

2.根据权利要求1所述的海洋生物检测方法，其特征在于，使用训练模型结合多尺度检测网络和位置注意力机制基于强化后的标注数据集进行训练得到海洋生物检测模型，包括：在训练模型进行检测时增加位置注意力机制并基于多尺度检测网络生成至少两种尺度的图像。

3.根据权利要求2所述的海洋生物检测方法，其特征在于，在训练模型进行检测时增加位置注意力机制，包括通过若干第三卷积层、最大池化层、平均池化层提取捕获待检测图像任意两个位置之间的空间依赖。

4.根据权利要求1所述的海洋生物检测方法，其特征在于，通过若干第三卷积层、最大池化层、平均池化层提取捕获待检测图像任意两个位置之间的空间依赖，包括：

利用平均池化层和最大池化层对输入的多通道特征图进行特征提取，然后将多通道特征图融合，使用第三卷积层将多通道特征图变成单通道的特征图，接着通过卷积网络将单通道特征图变成多通道特征图，最后与初始输入的多通道特征图进行融合，实现提取图像任意两个位置的空间依赖。

5.根据权利要求1所述的海洋生物检测方法，其特征在于，选取部分所述海洋生物数据集进行标注得到标注数据集，包括：使用ImgLabel标注工具进行标注，标注过程中标记海洋生物的类别信息，同时需要使用标签框对海洋生物的位置进行标注。

6.根据权利要求5所述的海洋生物检测方法，其特征在于，使用预设算法对标注数据集进行强化，包括：首先，从标注数据集中取出以batch_size为单位的批量图像，然后，从batch_size中随机取出多张图像，最后，对多张图像按照预设规则进行任意的裁剪，将裁剪后的图像进行拼接，融合成一张图像，优选的，若进行裁剪时，裁剪了图像的标签框区域，则将其舍弃。

7.根据权利要求6所述的海洋生物检测方法，其特征在于，使用所述ImageNet数据集对预设模型进行训练时，每经过10个batch_size，改变输入图像的尺寸。

8.一种海洋生物检测系统，其特征在于，包括：

信息采集模块，配置用于获取ImageNet数据集、海洋生物细粒度图像分类数据集以及拍摄得到的海洋生物数据集；

预训练模块，配置用于使用所述ImageNet数据集对预设分类网络进行训练，得到预训练模型；

训练模块，配置用于使用所述海洋生物精细度数据集对所述预训练模型进行训练得到训练模型；

数据标注模块，配置用于选取部分所述海洋生物数据集进行标注得到标注数据集；

强化模块，配置用于使用预设算法对标注数据集进行强化；

检测模块，配置用于使用训练模型结合多尺度检测网络和位置注意力机制基于增强后的标注数据集进行训练，得到海洋生物检测模型，以供输入未被标注的海洋生物数据集，输出检测信息。

9.根据权利要求8所述的海洋生物检测系统，其特征在于，所述分类网络为DarkNet53网络，包括若干第一卷积层、第一BN层、第一激活层、残差模块及归一化指数函数；

和/或

所述多尺度检测网络包括若干第二卷积层、第二BN层、第二激活层，配置用于生成至少两种尺度的图像。

和/或

所述位置注意力机制包括若干第三卷积层、最大池化层、平均池化层，配置用于提取捕获待检测图像任意两个位置之间的空间依赖。

10.一种设备，包括：一个或多个处理器；

存储器，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行如权利要求1-7任一所述的方法。