申请/专利权人：吉林大学

申请日：2024-01-31

公开（公告）日：2024-05-14

公开（公告）号：CN117671472B

主分类号：G06V20/05

分类号：G06V20/05;G06N3/0464;G06N3/08;G06V10/36;G06V10/44;G06V10/52;G06V10/764;G06V10/80;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2024.05.14#授权;2024.03.26#实质审查的生效;2024.03.08#公开

摘要：一种基于动态视觉传感器的水下多目标群体识别方法。所述方法包括如下步骤：S1、利用动态视觉传感器收集水下多目标群体RGB图像与水下多目标群体事件；S2、使用水下多目标群体事件图像与水下多目标群体RGB图像构建数据集，按照比例划分训练集与验证集；S3、所述多目标群体识别模型以目标检测模型为基础，在目标检测模型骨干网络前嵌入自适应图像增强模块，在目标检测模型骨干网络和颈部网络之间嵌入特征级模态融合模块；S4、将训练集的数据输入步骤S4所述的多目标群体识别模型进行训练，以此获得符合要求的模型参数，并通过验证集验证效果；S5、通过训练好的多目标群体识别模型进行水下多目标群体识别。

主权项：1.一种基于动态视觉传感器的水下多目标群体识别方法，其特征在于，所述方法包括如下步骤：S1、数据采集：利用动态视觉传感器收集水下多目标群体RGB图像与水下多目标群体事件；S2、数据集划分：使用水下多目标群体事件图像与水下多目标群体RGB图像构建数据集，按照比例划分训练集与验证集；S3、多目标群体识别模型构建：所述多目标群体识别模型以目标检测模型为基础，在目标检测模型骨干网络前嵌入自适应图像增强模块，在目标检测模型骨干网络和颈部网络之间嵌入特征级模态融合模块；S4、多目标群体识别模型训练：将训练集的数据输入步骤S4所述的多目标群体识别模型进行训练，以此获得符合要求的模型参数，并通过验证集验证效果；S5、通过训练好的多目标群体识别模型进行水下多目标群体识别；所述特征级模态融合模块包括两个多尺度特征融合模块、模态融合模块以及联合输出模块；所述多尺度事件特征输入一个多尺度特征融合模块，所述多尺度图像特征输入另一个多尺度特征融合模块，各自经过特征融合后再输入模态融合模块进行特征图生成，将生成的特征图输入联合输出模块，先通过Concat函数对特征图按通道维度拼接，再通过1×1的卷积层提取特征后输出；多尺度特征融合模块接收多尺度事件特征后，通过： ++；获得融合多尺事件特征后输出的特征图，其中，表示由骨干网络中的前层特征提取网络得到的浅层特征信息，到表示不同尺度的深层特征信息；多尺度特征融合模块接收多尺度图像特征后，通过： ++；获得融合多尺图像特征后输出的特征图，其中，表示由骨干网络中的前层特征提取网络得到的浅层特征信息，到表示不同尺度的深层特征信息；所述模态融合模块接收特征图和特征图后，通过： ； ；获得整合与得出的特征图与整合与得出的特征图，其中，=+，GAP表示全局平均池化操作，表示卷积操作，Sigmoid表示一种激活函数，SiLU表示一种激活函数。

全文数据：

权利要求：

百度查询： 吉林大学 一种基于动态视觉传感器的水下多目标群体识别方法

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。

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