申请/专利权人：苏州迪蒙微电子科技有限公司

申请日：2023-10-18

公开（公告）日：2024-01-30

公开（公告）号：CN117475385A

主分类号：G06V20/54

分类号：G06V20/54;G06V10/25;G06V10/82;G06V10/764;G06N3/0464;G06N3/082

优先权：

专利状态码：在审-公开

法律状态：2024.01.30#公开

摘要：本发明公开了基于卷积神经网络的船舰检测系统及方法，涉及船舰目标识别检测技术领域，包括括图像采集模块、卷积神经网络检测模块、残差模块、空洞卷积模块、数据定点量化存储模块、对比分析模块、风险评估模块；图像采集模块，实时采集船舰运行四周的动静态目标物体的数据信息；本发明通过添加对比分析模块和风险评估模块，对船舰检测系统的检测结果进行对比分析、判断风险的后续处理，以及采用相对地措施应对各种复杂的海面场景，提高了的检测海上目标物体的意义；通过不设置服务器，仅采用船舰检测算法的处理器芯片和硬件加速器，实现低成本、高能效和算法速度块的船舰检测。

主权项：1.基于卷积神经网络的船舰检测系统，其特征在于，包括图像采集模块、卷积神经网络检测模块、残差模块、空洞卷积模块、数据定点量化存储模块、对比分析模块、风险评估模块；图像采集模块，实时采集船舰运行四周的动静态目标物体的数据信息，采集后将多项数据信息进行预处理、标记、存储和传输至卷积神经网络检测模块进行检测计算；卷积神经网络检测模块，接收预处理的图像数据并提取特征信息进行检测计算，利用残差模块采用残差跳层算法对特征信息进行输出的深层变换，并采用空洞卷积模块在卷积核中引入空洞参数来扩大感受野，以捕捉目标图像的上下文信息和细节特征，生出目标图像检测结果；数据定点量化存储模块，将图像数据检测计算过程中出现浮点数据映射到固定位宽和小数点位置后，再进行计算和存储；对比分析模块，利用图像采集模块采集船舰上一组静态目标的图像信息作为基础数据，根据卷积神经网络检测模块进行检测计算并得出检测结果，结合实际测量的数据进行误差值对比分析，将区别特征进行线性模拟训练，建立对比模型，生出精确度拟合系数，再将船舰航行中检测计算出的海上动静态目标数据进行模拟，得出检测目标的精确信息；风险评估模块，获取检测目标的精确信息后，并根据实时采集的图像数据，建立时间-状态模型，进一步评估目标物体的动静状态和判断船舰航行状态与目标之间是否存在的隐患信号，根据风险评估结果生成预警信号并提供相应风险的规避措施。

全文数据：

权利要求：

百度查询： 苏州迪蒙微电子科技有限公司 基于卷积神经网络的船舰检测系统及方法

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。

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