申请/专利权人：交通运输部水运科学研究所;青岛航运发展研究院

申请日：2022-05-17

公开（公告）日：2024-03-05

公开（公告）号：CN115082694B

主分类号：G06V10/44

分类号：G06V10/44;G06V10/764;G06V10/25;G06N3/08;G06N3/0464;G06N3/048

优先权：

专利状态码：有效-授权

法律状态：2024.03.05#授权;2022.10.11#实质审查的生效;2022.09.20#公开

摘要：本发明实施例提供了一种基于扁长形锚点和线段扩充技术的船舶检测方法和装置，其中，所述方法包括：将目标图像输入至候选框检测网络中输出船舶对象的第一候选框；从目标图像中识别出船舶对象与水平面之间的分界线段，提取目标图像的卷积神经网络特征；将第一候选框在卷积神经网络特征上进行感兴趣区域池化处理得到第一候选框的特征；对第一候选框的特征进行回归和分类得到第二候选框；根据第二候选框和分界线段扩充得到候选框集合；将候选框集合的候选框进行非极大值抑制合并得到船舶对象检测结果。本发明实施例设计了多种不同比例的扁长形锚点，覆盖了大部分船舶对象的长宽比，充分考虑了实际的船舶应用场景，避免了船舶对象识别不完整的问题。

主权项：1.一种基于扁长形锚点和线段扩充技术的船舶检测方法，其特征在于，所述方法包括：获取待检测的目标图像，所述目标图像包含船舶对象和水平面；将所述目标图像输入至预先训练完毕的候选框检测网络中，输出所述船舶对象的多个第一候选框，所述候选框检测网络基于预设的多种扁长形锚点训练而成；从所述目标图像中识别出所述船舶对象与所述水平面之间的分界线段，并提取所述目标图像的卷积神经网络特征；分别将多个所述第一候选框在所述卷积神经网络特征上进行感兴趣区域池化处理，得到多个所述第一候选框的特征；对多个所述第一候选框的特征进行回归和分类得到多个第二候选框；根据多个所述第二候选框和所述分界线段扩充得到候选框集合；将所述候选框集合中的候选框进行非极大值抑制合并得到所述船舶对象的检测结果；其中，所述候选框检测网络的训练步骤，包括：获取样本图像，将所述样本图像的尺寸重新调整至预设尺寸；对预设尺寸的样本图像进行下采样处理、卷积处理和线性处理得到分层特征；对所述分层特征分别进行分类处理和回归处理得到分类多维特征和回归多维特征；分别对所述分类多维特征和所述回归多维特征进行上采样处理，并根据预设损失函数进行所述候选框检测网络的训练；其中，所述对预设尺寸的样本图像进行下采样处理、卷积处理和线性处理得到分层特征，包括：对预设尺寸的样本图像进行卷积处理和线性处理得到第一层特征；对所述第一层特征进行下采样处理、卷积处理和线性处理得到第二层特征；对所述第二层特征进行下采样处理、卷积处理和线性处理得到所述分层特征；所述分类多维特征为p_pos,p_neg，其中，所述p_pos表示像素点是正样本的概率，所述p_neg表示像素点是负样本的概率；所述回归多维特征为x,y,w,h，其中，所述x表示候选框起点横坐标，所述y表示候选框起点纵坐标，所述w表示候选框的宽，所述h表示候选框的高。

全文数据：

权利要求：

百度查询： 交通运输部水运科学研究所;青岛航运发展研究院 基于扁长形锚点和线段扩充技术的船舶检测方法和装置

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