买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆交通大学;金睛兽数字科技(重庆)有限公司

摘要：本发明公开一种海上船舶小目标可见光图像实时自动识别方法及系统，该方法针对目前传统方法对各种复杂环境的适应性差的问题，通过目标检测网络将包含水天线及船舶目标的区域进行自动检测，然后在所检测出的水天线区域再次利用目标检测网络进行进一步的船舶小目标识别，最终形成一个专门针对海上船舶小目标的自动识别模型。本模型能够准确的识别出海上的船舶小目标，而且在保证精度的前提下，实时性将得到较大程度的提高，进一步提升我国的智能航海技术。该方法避免了深度学习存在硬件资源浪费问题，提高了实时性。

主权项：1.海上船舶小目标可见光图像实时自动识别方法，其特征在于：包括以下步骤：S1：获取数据集1和数据集2，所述数据集1为海上船舶小目标的可见光图像数据，所述数据集2为单独包含船舶小目标的水天线区域的局部图像数据：S2：构建水天线区域检测模型，所述水天线区域检测模型是将数据集1中训练数据输入到YOLO-V3目标检测网络模型中训练出来的，所述数据集1中的训练数据均包括海上船舶小目标的可见光图像数据和用来标识该水天线区域的标识信息；生成所述水天线区域信息；所述步骤S2中的水天线区域检测模型的构建及训练如下：S21：将YOLO-V3目标检测网络模型作为水天线区域检测模型，并采用在ImageNet数据集上训练好的参数作为水天线区域检测模型的预训练参数，对步骤S1中制作的数据集1进行有效训练；S22：在模型的测试过程中，将S21输出的水天线区域作为船舶小目标检测模型的输入；S3：构建船舶小目标检测模型；所述船舶小目标检测模型是根据接收的水天线区域信息和数据集2中的训练数据并输入到多尺度特征提取网络模型中训练出来的，所述数据集2中的训练数据包括单独包含船舶小目标的水天线区域的局部图像数据；生成船舶小目标图像；所述船舶小目标检测模型构建按照以下步骤进行：S31：构建上采样跳连接的多尺度特征提取网络，并结合FasterR-CNN目标检测模型，形成船舶小目标检测模型；S32：对S31中构建好的船舶小目标检测模型利用步骤S1中制作的数据集2进行有效训练；S4：综合水天线区域检测模型和船舶小目标检测模型，形成一个针对海上船舶小目标的高精度实时的自动识别模型，将船舶小目标的识别分为两阶段进行：S41：第一阶段利用水天线区域检测模型对输入的可见光图像中的水天线区域进行识别；S42：第二阶段对S41中的识别结果利用船舶小目标检测模型进行最终船舶目标的识别。

全文数据：

权利要求：

百度查询： 重庆交通大学 金睛兽数字科技(重庆)有限公司 海上船舶小目标可见光图像实时自动识别方法及系统