申请/专利权人：黑龙江省生态研究所

申请日：2023-12-12

公开（公告）日：2024-04-26

公开（公告）号：CN117935035A

主分类号：G06V20/05

分类号：G06V20/05;G06V10/44;G06V10/52;G06V10/82;G06V10/80;G06N3/0464

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：一种大数据的多密集块检测与提取方法。目前，复杂的水下成像环境和光照条件导致水下成像系统拍摄的图像往往具有对比度低、纹理模糊、颜色失真、非均匀光照、可视范围有限等质量退化问题，严重影响到基于视觉引导的水下目标识别与跟踪机器人水下作业等任务的性能。一种大数据的多密集块检测与提取方法，改变局部分层特征间的传递方式，仅将上一层的输入特征传递给当前层，由于SRDB本身仅使用三组卷积进行特征提取，网络层次较浅，而且也使用了残差连接将SRDB模块的输入信息跳跃连接到模块的输出，所以并无多少语义信息损失，使用上一层的输入特征传递是能够满足特征保留需求的。本发明应用于多密集块领域。

主权项：1.一种大数据的多密集块检测与提取方法，其特征在于，包括如下步骤：给定源域X失真图像和期望域Y增强图像，G：X-＞Y，以便执行自动水下图像感知增强，模型的输入设置为256×256×3，通过一个优化的特征提取模块生成256×256×32的多尺度特征图，然后将该特征图输入到三个密集连接的卷积块中，卷积块是卷积层、随机失活层和LeakyReLU激活函数的串行化结构，首先对输入的特征图采用3×3的卷积，在卷积之后接入随机失活层来避免高权重节点完全控制输出结构，在引入LeakyReLU激活函数来加强模型的非线性能力；多尺度特征提取多密集块，使用其中的残差密集块作为特征提取基本单元，保持整体的轻量型结构，对RDB模块进行了简化改进，形成了可分离残差密集块作为特征提取模块的基本单元；使用深度可分离卷积取代RDB模块中的标准卷积层，DSC首先使用3×3的深度逐通道卷积得到每个通道的特征图，然后使用批量归一化和LeakyReLU激活函数加快网络训练和收敛的速度，再使用1×1的卷积融合每个通道的特征形成完整的输出；改变局部分层特征间的传递方式，仅将上一层的输入特征传递给当前层，由于SRDB本身仅使用三组卷积进行特征提取，网络层次较浅，而且也使用了残差连接将SRDB模块的输入信息跳跃连接到模块的输出，所以并无多少语义信息损失，使用上一层的输入特征传递是能够满足特征保留需求的。而且每一个局部分层特征都向后传递，会导致局部浅层特征对局部高层特征的提取产生抑制作用，为了充分利用原始图像的特征，MSRB模块采用一个多尺度特征提取模块来提取不同尺度范围下的不同层次的特征信息。

全文数据：

权利要求：

百度查询： 黑龙江省生态研究所 一种大数据的多密集块检测与提取方法

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