申请/专利权人：浙江工业大学

申请日：2023-09-19

公开（公告）日：2024-04-26

公开（公告）号：CN117935034A

主分类号：G06V20/05

分类号：G06V20/05;G06V10/82;G06V10/776;G06V10/774;G06N3/0455;G06V10/44

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.14#实质审查的生效;2024.04.26#公开

摘要：一种基于深度学习的水声图像检测跟踪方法，属于图像检测跟踪技术领域。它包括以下步骤：1、对Yolov7算法进行改进为Yolov7+算法；2，选取目标跟踪网络；3，将目标跟踪网络与Yolov7+算法相结合，实现目标跟踪；4，模型参数设置，选取训练集及测试集数据，对模型进行训练；5，对模型进行检测，检验识别性能并进行记录。本发明方法中，特征提取分支使用Yolov7+算法，将单帧图像提取到的特征信息输入运动匹配分支中，由Strongsort算法完成前后帧的目标关联；且可以将Yolov7+检测器与StrongSort跟踪器结合，实现目标检测跟踪一体化，实现在连续帧水声图像、视频中对目标的实时检出。

主权项：1.一种基于深度学习的水声图像检测跟踪方法，其特征在于：包括以下步骤：步骤1，对Yolov7算法进行改进，实现检测精度、召回率更高的Yolov7+算法；步骤2，选取目标跟踪网络；步骤3，将目标跟踪网络与Yolov7+算法相结合，实现目标跟踪；步骤4，对步骤3中构建的模型进行参数设置，选取训练集及测试集数据，在训练集上对模型进行训练；步骤5，将训练好的模型在测试集中检测，检验识别性能并进行记录。

全文数据：

权利要求：

百度查询： 浙江工业大学 一种基于深度学习的水声图像检测跟踪方法

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