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。