公开(公告)号：CN111914935A

公开(公告)日：2020-11-10

申请号：CN202010766653.6

申请日：2020-08-03

Applicant: 哈尔滨工程大学

Inventor： 孟浩 ,  魏宏巍 ,  袁菲 ,  闫天昊 ,  周炜昊 ,  邓艳琴

IPC: G06K9/62 ,  G06N3/04

Abstract: 本发明提供一种基于深度学习的船舶目标检测与识别方法，包括以下步骤：S1：搭建像素注意力模型，并对船舶图像进行预处理；S2：使用K-Means聚类生成船舶锚定框，并对标签边界框进行转换；S3：搭建基于像素注意力模型的YOLOV3网络结构；S4：使用训练优化方法训练网络；S5：使用非极大值抑制算法对网络输出进行后处理，避免出现重复检测问题。本发明提供的基于深度学习的船舶目标检测与识别方法，能够在多种复杂背景与分辨率下对实现船舶目标检测与识别，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：CN111914935B

公开(公告)日：2022-07-15

申请号：CN202010766653.6

申请日：2020-08-03

Applicant: 哈尔滨工程大学

Inventor： 孟浩 ,  魏宏巍 ,  袁菲 ,  闫天昊 ,  周炜昊 ,  邓艳琴

IPC: G06V10/762 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明提供一种基于深度学习的船舶目标检测与识别方法，包括以下步骤：S1：搭建像素注意力模型，并对船舶图像进行预处理；S2：使用K‑Means聚类生成船舶锚定框，并对标签边界框进行转换；S3：搭建基于像素注意力模型的YOLOV3网络结构；S4：使用训练优化方法训练网络；S5：使用非极大值抑制算法对网络输出进行后处理，避免出现重复检测问题。本发明提供的基于深度学习的船舶目标检测与识别方法，能够在多种复杂背景与分辨率下对实现船舶目标检测与识别，在船舶工业与海事管理等领域有较好的使用前景。