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：浙江省智能船舶研究院有限公司

摘要：本发明提供了一种基于图像分析的无人艇障碍识别方法及其模型构建方法，属于水下图像处理技术领域。本发明通过部署于无人艇的声呐图像采集系统采集水下行驶时的障碍物图像，经过数据预处理后，设计了一个基于多卷积核特征单元、通道注意力及多层次特征融合单元的高效特征提取模块对预处理后的障碍物图像进行特征提取。随后，基于该特征提取模块，构建了针对水下障碍物的卷积神经网络检测模型。在此水下障碍物检测模型中，利用对原图像分块处理的方法以及注意力机制以进一步提高对图像特征的获取程度，以提高检测精度。同时，在模型实际训练时，采用了动态卷积层剪枝的模型训练策略，以进一步提升模型的计算速度和模型轻量化程度。

主权项：1.一种基于图像分析的无人艇障碍识别模型构建方法，其特征在于，包括以下步骤：S1，利用声呐设备采集无人艇在水下行驶时包含水下障碍物的声呐图像数据，构建原始数据集；S2，对采集的声呐图像数据进行预处理，构建用于无人艇障碍识别模型训练的标准数据集；S3，构建水下障碍物识别模型，所述模型包括图像分块模块、特征提取模块、注意力机制模块和目标检测模块；所述图像分块模块采用等间隔的图像分块方法，将标准图像数据中的图像划分为同等大小的若干块；所述特征提取模块采用多卷积核的特征提取单元，以兼顾数据的全局特征和局部细节特征，并通过通道注意力单元将不同通道的特征进行融合；同时，所述特征提取模块设计多深度特征提取的框架以及多层次特征融合单元；所述注意力机制模块基于分块之后的图像进行特征提取操作后，对不同小块区域的图像特征进行加权融合；所述目标检测模块基于融合后的图像特征进行目标检测，输出无人艇周边水域中具体的障碍物分布情况；S4，构建基于动态剪枝的模型训练策略，并通过标准数据集对模型进行训练，最终得到轻量化的水下障碍物检测模型；所述动态剪枝的模型训练策略是在模型训练过程中，删除对特征提取贡献程度低的卷积层特征提取通路，包括以下过程：S21，依次计算特征提取环节中每一个卷积层特征提取通路的输出特征向量中所有元素的均值： 其中，为卷积层特征提取通路的输出特征向量中的第个元素值，，表示此卷积层输出向量中共有个元素值；S22，模型输出特征向量的均值计算： 其中，， S23，特征相关值计算：依次计算此水下障碍物检测模型的特征提取环节中的所有卷积层特征提取通路的输出特征向量和模型特征输出向量的的特征相关值： 其特征相关值，代表每个卷积层特征提取通路的输出特征向量；在每次训练时，将特征相关值在最后10%以内的输出特征所对应的卷积层特征提取通路删除，以得到新的水下障碍物检测模型网络结构；S24，得到新的障碍物检测模型网络结构后，对模型继续进行训练，并每若干次训练进行一次通路删除，并将最后一次得到的水下障碍物检测模型作为最终实际部署的水下障碍物检测模型。

全文数据：

权利要求：

百度查询： 浙江省智能船舶研究院有限公司 一种基于图像分析的无人艇障碍识别方法及其模型构建方法