申请/专利权人：中国舰船研究设计中心

申请日：2024-02-06

公开（公告）日：2024-05-10

公开（公告）号：CN118015255A

主分类号：G06V10/25

分类号：G06V10/25;G06V10/40;G06V10/82;G06V10/80;G06N3/0455;G06N3/082;G06N3/084;G06V10/764

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.28#实质审查的生效;2024.05.10#公开

摘要：本发明公开了一种基于改进DeformableDETR的水面目标检测方法及系统，该方法包括：基于DeformableDETR模型，通过集成轻量级的MobileNetV3作为特征提取网络，引入CBAM注意力机制模块，构建基于改进DeformableDETR的水面目标检测模型；获取水面目标的训练图像数据集输入到水面目标检测模型中；经过集成轻量级的MobileNetV3进行特征提取，提取三层通道数不同的特征层，并进行额外特征变换，将四个特征层进行融合后送入含有可变形卷积的编码器和解码器，再通过分类网络得到最终的水面目标检测结果；重复训练并计算损失函数，直到得到训练好的模型；将待检测的水面目标图像输入训练好的模型，得到水面目标检测结果。本发明减少了模型参数量，降低了对计算资源的需求，提升了推理速度、训练速度和检测精度。

主权项：1.一种基于改进DeformableDETR的水面目标检测方法，其特征在于，该方法包括以下步骤：步骤1、基于DeformableDETR模型，通过集成轻量级的MobileNetV3作为特征提取网络，引入CBAM注意力机制模块，构建基于改进DeformableDETR的水面目标检测模型；步骤2、获取水面目标的训练图像数据集，对其进行图像标注处理后，随机选取一定batch-size的图像及其标签数据输入到水面目标检测模型中；步骤3、输入的图像经过集成轻量级的MobileNetV3进行特征提取，MobileNetV3中含有多个CBAM注意力机制模块增强特征提取效果；从MobileNetV3中直接提取三层通道数不同的特征层，并对其中一层特征层进行额外特征变换作为第四特征层，将四个特征层进行融合；步骤4、将融合的特征送入含有可变形卷积的Transformer编码器，并通过Transformer解码器对Transformer编码器输出进行处理，最终通过分类网络得到最终的水面目标检测结果，与图像标注结果对比计算网络损失函数值，利用梯度反向传播改进网络模型性能；步骤5、重复执行步骤2-步骤4，并计算损失函数，直到得到训练好的损失函数值不再变化或变化幅度小于一定阈值的水面目标检测模型；步骤6、将待检测的水面目标图像输入训练好的水面目标检测模型，并结合绘图脚本输出目标检测边界框、分类标签及对应置信度，得到水面目标检测结果。

全文数据：

权利要求：

百度查询： 中国舰船研究设计中心 一种基于改进Deformable DETR的水面目标检测方法及系统

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