龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：航天科工深圳(集团)有限公司
申请日：2024-01-30
公开（公告）日：2024-05-17
公开（公告）号：CN118053067A
主分类号：G06V20/05
分类号：G06V20/05;G06V10/82;G06V10/776;G06V10/774;G06N3/0464;G06N3/084;G06N3/096;G06V10/764
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.06.04#实质审查的生效;2024.05.17#公开
摘要：本申请公开了一种基于目标样本迁移学习的水下目标智能识别方法，涉及计算机视觉的技术领域，该方法分别收集简单背景和复杂背景的图像，使用简单背景图像训练目标识别模型并得到预训练模型，将预训练模型中特征提取器冻结后，迁移至新的目标识别模型中，使该特征提取器与新模型中原有的特征提取器共同构成新的特征提取器，再使用复杂背景图像对新模型进行训练，使得其能够识别复杂背景图像，训练过程中，迁移的特征提取器为冻结状态，参数不再更新；本申请中的技术方案采用迁移学习方式将简单背景水下目标识别任务的特征提取器迁移至复杂背景水下目标识别任务中，构建新的特征提取器，减少运算量，提高复杂背景下水下目标识别的效果。
主权项：1.一种基于目标样本迁移学习的水下目标智能识别方法，其特征在于，所述基于目标样本迁移学习的水下目标智能识别方法包括如下步骤：步骤1，收集简单背景下的包含识别目标的图像，对图像进行预处理和背景再处理，将处理后的图像划分为第一训练集和第一验证集，其中简单背景图像为干扰物体数量小于等于n的图像，n为3-5之间的正整数；步骤2，基于卷积神经网络构建目标识别模型S-CNN，使用第一训练集对S-CNN进行训练，完成训练后使用第一验证集对S-CNN进行验证，得到预训练模型，预训练模型具有特征提取器A；步骤3，基于卷积神经网络构建目标识别模型C-TTL，其具有特征提取器B，将预训练模型的特征提取器A进行冻结，使其所有参数不再更新，将特征提取器A的参数复制到C-TTL的特征提取器B中，其中，特征提取器A与特征提取器B的结构相同；步骤4，收集复杂背景下的包含识别目标的图像并进行预处理，将预处理后的图像划分为第二训练集和第二验证集，其中复杂背景图像为干扰物体数量大于n的图像；步骤5，使用第二训练集对C-TTL进行训练，完成训练后使用第二验证集对C-TTL进行验证。
全文数据：
权利要求：
百度查询： 航天科工深圳(集团)有限公司 一种基于目标样本迁移学习的水下目标智能识别方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号