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。