申请/专利权人：水利部交通运输部国家能源局南京水利科学研究院

申请日：2023-05-17

公开（公告）日：2023-10-03

公开（公告）号：CN116844003A

主分类号：G06V10/80

分类号：G06V10/80;G06V10/764;G06V10/774;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.10.24#实质审查的生效;2023.10.03#公开

摘要：本发明公开了一种基于深度学习的水涝识别方法、装置及存储介质，本发明首先获取数据集，将数据集的水涝图像进行数据增强；其次，建立水涝识别模型，包括粗识别模块、细识别模块和融合模块，所述粗识别模块包括特征提取网、分类网、位置预测网，所述细识别模块具体为MaskR‑CNN；再将数据增强后的水涝图像作为样本，输入水涝识别模型进行训练；最后将待识别的水涝图像进行数据增强，并输入至训练好的水涝识别模型，识别出水涝区域。本发明效率高、准确性高。

主权项：1.一种基于深度学习的水涝识别方法，其特征在于该方法包括：1获取数据集，所述数据集包括若干水涝图像和对应标识水涝区域的标签；2将数据集的水涝图像进行数据增强；3建立水涝识别模型，包括粗识别模块、细识别模块和融合模块，所述粗识别模块包括特征提取网、分类网、位置预测网，所述特征提取网从水涝图像中提取多尺度特征图，所述位置预测网基于多尺度特征图预测水涝区域的候选框，所述分类子基于多尺度特征图学习得到每个候选框的类别，所述细识别模块具体为MaskR-CNN，基于粗识别模块的输出识别出精细水涝区域，所述融合模块将位置预测网输出中属于水涝区域分类的候选框与所述细识别模块输出融合，从融合结果中筛选出最终的水涝区域识别结果；4将数据增强后的水涝图像作为样本，输入水涝识别模型进行训练；5将待识别的水涝图像进行数据增强，并输入至训练好的水涝识别模型，识别出水涝区域。

全文数据：

权利要求：

百度查询： 水利部交通运输部国家能源局南京水利科学研究院 一种基于深度学习的水涝识别方法及其装置与储存介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD