申请/专利权人:中北大学
申请日:2024-01-31
公开(公告)日:2024-04-26
公开(公告)号:CN117935036A
主分类号:G06V20/05
分类号:G06V20/05;G06V10/25;G06V10/774;G06V10/776;G06V10/82;G06V10/75
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:本发明公开了一种复杂海洋环境下的鱼类目标检测方法,包括步骤S110‑S150:S110:收集原始水下鱼类图像数据和对应的鱼类目标手动标注数据,标注数据中包含鱼类的类别以及检测框的坐标,将鱼类图像数据和目标标注数据分别构成原始图像数据集I和标签数据集L;S120:使用加权直方图匹配算法对原始图像数据集进行数据预处理,并构建测试和训练数据集;S130:构建改进YOLOv5的水下鱼类目标检测模型,记作HMFD_YOLOv5;S140:对构建的HMFD_YOLOv5进行训练;S150:根据所述水下鱼类目标检测方法,给出目标检测结果;首先,本发明通过加权直方图匹配来解决水下图像模糊、颜色失真以及颜色分布不统一的问题;其次,使用实时检测器中的解码器替换YOLOv5中的检测头部分,从而增强算法对遮挡目标的检测能力。
主权项:1.一种复杂海洋环境下的鱼类目标检测方法,其特征在于,包括步骤S110-S150:S110:收集原始水下鱼类图像数据和对应的鱼类目标手动标注数据,标注数据中包含鱼类的类别以及检测框的坐标,将鱼类图像数据和目标标注数据分别构成原始图像数据集I和标签数据集L;S120:使用加权直方图匹配算法对原始图像数据集进行数据预处理,并构建测试和训练数据集;S130:构建改进YOLOv5的水下鱼类目标检测模型,使用实时检测器RT-DETR中的解码器RTDETRDecoder替换YOLOv5中的检测头Head部分,记作HMFD_YOLOv5;S140:对构建的HMFD_YOLOv5进行训练;S150:根据所述水下鱼类目标检测方法,给出目标检测结果。
全文数据:
权利要求:
百度查询: 中北大学 一种复杂海洋环境下的鱼类目标检测方法
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。