申请/专利权人:南京理工大学
申请日:2023-09-18
公开(公告)日:2024-01-09
公开(公告)号:CN117372884A
主分类号:G06V20/13
分类号:G06V20/13;G06V10/774;G06V10/30;G06V10/82;G06V20/70;G06V10/764
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.01.26#实质审查的生效;2024.01.09#公开
摘要:本发明公开了一种基于改进Deeplabv3+的海面溢油检测方法,主要应用于海洋环境保护和监测领域。鉴于现有的基于深度学习的方法并没有针对形状极其不规则的溢油暗斑来设计网络。对于边界模糊的溢油目标,分割效果不佳等问题,提出了一种基于改进Deeplabv3+的新型语义分割算法,包括如下步骤:溢油图像采集与存储、图像预处理、溢油数据集构建、Deeplabv3+模型构建、网络模型改进、溢油暗斑检测模型训练、测试。经实验表明,本方法能准确识别困难样本,提高溢油检测模型的识别精度,降低虚警率。
主权项:1.一种基于改进Deeplabv3+的海面溢油检测方法,其特征在于:包括如下步骤:S1、图像收集与存储,将合成孔径雷达采集到的溢油遥感图像作为原始数据,并通过光纤传输,存储在服务器上;S2、图像预处理,对溢油遥感图像进行辐射定标和滤波校正;S3、溢油数据集构建,将溢油遥感图像划分为多个子图像,并利用数据增强进一步扩充,随后使用开源软件标记样本,最终划分成训练集、验证集和测试集三部分;S4、Deeplabv3+模型构建,基于pytoch搭建Deeplabv3+网络模型;S5、网络模型改进,引入自注意力机制增强网络模型的特征提取能力,利用可变形ROI池化层来提高网络处理复杂形变的能力、加快训练时间,最后,优化损失函数使网络模型重点调整边界参数;S6、溢油暗斑检测模型训练;S7、海面溢油检测模型测试。
全文数据:
权利要求:
百度查询: 南京理工大学 一种基于改进Deeplabv3+的海面溢油检测方法
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。