[发明专利]一种基于深度学习的航道内运动船舶目标检测方法在审
| 申请号： | 201810720972.6 | 申请日： | 2018-07-03 |
| 公开（公告）号： | CN108921099A | 公开（公告）日： | 2018-11-30 |
| 发明（设计）人： | 陈从平;吴喆 | 申请（专利权）人： | 常州大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/34 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 213164 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于深度学习的航道船舶检测方法，主要包括两个步骤：(1)采集、标注并制作航道船舶训练集样本，通过Tensorflow深度学习框架搭建Faster RCNN深度学习网络，并将制作好的训练集样本输入网络进行训练。(2)针对实际应用场景设计一种结合视频序列上下文预测信息的网络输出后处理算法。本发明利用深度学习的方法能够同时进行船舶目标的检测与识别。加上针对实际应用场景的后处理算法，能够使得网络在小批量的样本训练下保持准确率不变的前提下，大大降低了误检率。 | ||
| 搜索关键词： | 训练集样本 后处理 航道 应用场景 算法 学习 上下文预测 船舶检测 船舶目标 目标检测 视频序列 输入网络 网络输出 样本训练 运动船舶 误检率 小批量 准确率 制作 标注 网络 采集 船舶 检测 | ||
【主权项】：
1.一种基于深度学习的航道内运动船舶目标检测方法，其特征在于包含以下步骤：步骤1：采集、标注、制作拟监测航道上包含各类船只图像的样本集并输入到深度卷积神经网络进行学习；步骤2：开发算法对训练好的深度卷积神经网络的输出进行自动后处理。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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常州大学，未经常州大学许可，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/patent/201810720972.6/，转载请声明来源钻瓜专利网。
