申请/专利权人：河南大学

申请日：2023-05-22

公开（公告）日：2024-07-05

公开（公告）号：CN116612378B

主分类号：G06V20/05

分类号：G06V20/05;G06V10/25;G06V10/52;G06V10/80;G06V10/82;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.07.05#授权;2023.09.05#实质审查的生效;2023.08.18#公开

摘要：本发明公开一种基于SSD改进的不平衡数据及复杂背景下水下小目标检测方法，包括：对SSD的网络进行改进：使用VGG16作为前端骨干网络，将第Conv3_3处的输出作为第一层特征层，在Conv3_3之后嵌入多维像素注意力网络；在多维像素注意力网络之后使用膨胀率为r且具有ReLU激活的空洞卷积，依次生成剩余需要预测的多个特征层；将生成的多个特征层对应的特征图输入联合加权知识蒸馏与多尺度特征蒸馏模块；调整原始不平衡的水下图像数据集中待检测图片大小并输入至改进后SSD的网络；基于改进后SSD的网络对水下小目标进行检测。本发明大大提高了稀有类别的检测能力，减小了由于样本分布不平衡对模型检测能力的影响。

主权项：1.一种基于SSD改进的不平衡数据及复杂背景下水下小目标检测方法，其特征在于，包括：步骤1：对SSD的网络进行改进，包括：使用VGG16作为前端骨干网络，将VGG16第Conv3_3处的输出作为第一层用于预测的特征层，在VGG16模型的Conv3_3之后嵌入多维像素注意力网络，以消除水下环境的复杂背景；在多维像素注意力网络之后使用膨胀率为r且具有ReLU激活的空洞卷积，依次生成剩余需要预测的多个特征层；将生成的多个特征层对应的特征图输入联合加权知识蒸馏与多尺度特征蒸馏模块，以提升水下小目标检测性能；所述联合加权知识蒸馏与多尺度特征蒸馏模块中，具体执行以下步骤：基于生成的多个特征层对应的特征图，采用实例采样和交叉熵损失对其继续训练得到一个教师模型通过添加一个加权知识蒸馏损失和多尺度特征蒸馏损失来重新训练一个学生模型ψθ,ω，在此过程中，运用来自训练好的教师模型的多尺度特征与预测，为训练出更好的学生模型留下了可学习的空间；按照下式计算加权知识蒸馏损失LRKL： 其中abs表示绝对值函数，权重因子wi为 其中ti和si分别代表教师模型和学生模型的类别预测概率，C代表类别数量，Ni代表第i类的样本数量；步骤2：调整原始不平衡的水下图像数据集中待检测图片大小并输入至步骤1改进后SSD的网络；步骤3：基于步骤1改进后SSD的网络对水下小目标进行检测。

全文数据：

权利要求：

百度查询： 河南大学 一种基于SSD改进的不平衡数据及复杂背景下水下小目标检测方法

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。

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