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：中国海洋大学三亚海洋研究院

摘要：本发明提供了一种海洋生物目标检测算法模型的搭建方法及识别方法，搭建方法包括以下步骤：获取若干种海洋生物图像的数据集，标注并划分为训练集、验证集和测试集；以EfficientDet网络模型为基础搭建深度学习的目标检测算法模型，算法模型包括主干特征提取网络、加强特征提取网络和分类预测网络三部分；设置算法模型的训练参数对模型进行训练，模型参数在训练过程中不断进行优化；将测试集的图像输入到训练好的模型中，输出检测结果进行验证。本发明中，加强特征提取网络的构建提高了卷积神经网络对目标物特征信息的提取能力，尤其是对堆叠目标遮挡目标等信息不完整的目标以及伪装目标的特征信息提取，大大提高了识别的精准率。

主权项：1.一种海洋生物目标检测算法模型的搭建方法，其特征在于，包括以下步骤：步骤1，获取若干种海洋生物图像的数据集，通过标签标注软件进行目标物种类的标注，并划分为训练集、验证集和测试集；步骤2，以EfficientDet网络模型为基础搭建深度学习的目标检测算法模型，所述算法模型包括主干特征提取网络、加强特征提取网络和分类预测网络三部分；所述主干特征提取网络为EfficientNet网络，用于对图像特征进行初步提取；所述加强特征提取网络用于对目标物的细节、纹理和背景的特征信息进行进一步的提取；所述分类预测网络用于进行定位和分类；其中，加强特征提取网络的具体结构及处理过程为：将主干特征提取网络的中间特征层P4层、P5层和P6层作为输入，所述P4层、P5层和P6层分别对应低层、中间层、和高层特征图；所述P4层和P5层通过平均池化Avgpool和标准差池化Stdpool来获取特征的全局信息，所述P6层通过最大池化Maxpool来获取特征的全局信息；所述P4层、P5层和P6层分别经过1×1卷积层获得通道之间的相互依赖性；所述P4层和P5层经过批归一化处理BatchNormalization进行标准化，并取Sigmoid函数，得到通道权值，将该权值分别和P4层、P5层、P6层相乘作为新的特征层输入到双向特征金字塔网络BiFPN；具体公式如下所示:P4层和P5层采用平均池化Avgpool和标准差池化Stdpool： gx＝[μc，ξc]其中，Xi，j是输入通道的值，μc是平均池化后的特征向量，ξc是特征层标准差池化后的向量表示，gx则是平均池化和标准差池化拼接后的特征信息，H和W是输入图片的宽度和高度；在获得特征图的池化信息后，获得各个通道的特征图的权重：S＝σBNC1Dgx式中，σ是Sigmoid函数，BN的作用是进行标准化，C1D表示一维卷积，用来获取通道之间的关联性，S表示通道方向的权重；原始输入X由权重S重新校准，因此P4层和P5层输出公式为：Y4，5＝SXP6层采用最大池化Maxpool，公式如下： S＝σC1DMcMc是最大池化后的特征向量，Xi，j是输入通道的值，σ是Sigmoid函数，C1D表示一维卷积，用来获取通道之间的关联性，S表示通道方向的权重，则P6层的输出为：Y6＝SX最后，将特征层的输出Y4、Y5、Y6和主干特征提取网络中的P3、P7输入到双向特征金字塔网络BiFPN中，反复进行自顶向下和自底向上的双向特征融合；步骤3，设置算法模型的训练参数，使用步骤1中获取的训练集和验证集对模型进行训练，模型参数在训练过程中不断进行优化；步骤4，将测试集的图像输入到训练好的模型中，输出检测结果进行验证。

全文数据：

权利要求：

百度查询： 中国海洋大学三亚海洋研究院 一种海洋生物目标检测算法模型的搭建方法及识别方法