公开(公告)号：CN115019132B

公开(公告)日：2024-10-15

申请号：CN202210671911.1

申请日：2022-06-14

Applicant: 哈尔滨工程大学

Inventor： 孟浩 ,  凌越 ,  田洋 ,  袁宁泽 ,  高放

IPC: G06V10/774 ,  G06N3/0464 ,  G06N3/084 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06F17/16

Abstract: 本发明属于深度学习及目标识别技术领域，具体涉及一种用于复杂背景船舶的多目标识别方法。本发明利用环形注意力引导的CNN输出高级特征，以增加对复杂背景图像上目标所在区域的空间信息的获取，特别是具有不同尺度大小的复杂空间位置的船舶目标；通过低级特征通过层间相关反卷积对目标区域中局部特征的关键像素值进行加权，得到复杂背景下详细特征分布的图像；通过循环注意力引导低层特征和高层特征进行联合学习，增强了高层目标区域表达局部细节特征的能力。本发明能够在真实海况、复杂多场景海况、目标类别样本量不均衡的情况下实现船舶多目标识别，在船舶工业与海事管理等领域有较好的使用前景。

公开(公告)号：CN115019132A

公开(公告)日：2022-09-06

申请号：CN202210671911.1

申请日：2022-06-14

Applicant: 哈尔滨工程大学

Inventor： 孟浩 ,  凌越 ,  田洋 ,  袁宁泽 ,  高放

IPC: G06V10/774 ,  G06N3/04 ,  G06N3/08 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06F17/16

Abstract: 本发明属于深度学习及目标识别技术领域，具体涉及一种用于复杂背景船舶的多目标识别方法。本发明利用环形注意力引导的CNN输出高级特征，以增加对复杂背景图像上目标所在区域的空间信息的获取，特别是具有不同尺度大小的复杂空间位置的船舶目标；通过低级特征通过层间相关反卷积对目标区域中局部特征的关键像素值进行加权，得到复杂背景下详细特征分布的图像；通过循环注意力引导低层特征和高层特征进行联合学习，增强了高层目标区域表达局部细节特征的能力。本发明能够在真实海况、复杂多场景海况、目标类别样本量不均衡的情况下实现船舶多目标识别，在船舶工业与海事管理等领域有较好的使用前景。