[发明专利]基于深度学习技术的声呐图像目标识别方法

摘要

本发明公开一种基于深度学习技术的声呐图像目标识别方法，首先利用声呐图像数据集对针对声呐图像数据集设计的共享卷积网络M_net进行预训练；其次使用声呐图像数据集对整个目标检测网络进行监督式训练；最终将整个系统用于声呐图像的目标检测。针对现有的深度学习技术对于声呐图像检测准确率与效率较低的的问题，自行设计针对声呐图像的目标检测网络，并使用声呐图像数据集进行预训练，从而达成声呐图像高准确率与高效率的检测要求；相对于传统的基于深度学习技术对于声呐图像目标识别技术，本发明针对声呐图像目标识别具有高准确率与高效率的特点。

主权项

一种基于深度学习技术的声呐图像目标识别方法，其特征在于：包括以下步骤：(1)使用声呐图像数据集对基于声呐图像特点设计的卷积神经网络进行预训练，获取预训练网络M_net；(2)将预训练网络M_net的卷积层部分与区域建议网络和基于区域的快速卷积网络相结合，并使用声呐图像数据集对预训练网络M_net与区域建议网络进行单独训练，产生建议区域；(3)利用步骤(2)中产生的建议区域，再次对M_net与基于区域的快速卷积网络进行训练，此步骤与步骤(2)无参数共享；(4)固定M_net中每一层参数，仅对区域建议网络进行微调，即此过程中无M_net与基于区域的快速卷积网络的参数更新，此步骤中进行参数共享；(5)固定M_net中每一层参数，仅微调基于区域的快速卷积网络中的全连接层，此步骤中也进行参数共享，最终形成一个统一的网络。