公开(公告)号：CN118447381A

公开(公告)日：2024-08-06

申请号：CN202410625243.8

申请日：2024-05-20

Applicant: 西北工业大学

Inventor： 毛昭勇 ,  陈刚琦 ,  沈钧戈 ,  涂钦好

IPC: G06V20/05 ,  G06V10/25 ,  G06V10/42 ,  G06V10/44 ,  G06V10/77 ,  G06V10/80 ,  G06V10/764 ,  G06V10/766 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种应用于水下光学图像处理的目标检测方法及系统，包括以下步骤：对于水下光学图像，首先由预处理模块进行图像预处理，并使数据范围处于归一化状态。随后，预处理过的图像经过混合双层网络模块进行不同层级的特征提取，从而实现不同尺度的特征生成。采用基于YOLOv8的位置回归与分类模块实现最终的目标分类与位置确定。回归与分类模块最终在所提取的不同尺寸的特征的基础上生成目标定位于分类所需的数据，并经过非极大值抑制后处理，实现目标的感知与识别。本发明通过引入双层稀疏动态注意力机制和改进的YOLOv8网络，旨在解决水下环境中目标检测困难的问题，提高检测的准确性、鲁棒性和实时性。

公开(公告)号：CN116630788A

公开(公告)日：2023-08-22

申请号：CN202310424311.X

申请日：2023-04-20

Applicant: 西北工业大学

Inventor： 毛昭勇 ,  沈钧戈 ,  丁文俊 ,  陈刚琦

IPC: G06V20/05 ,  G06V10/42 ,  G06V10/20 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于度量学习的混合网络水下光学图像目标检测方法，首先构建一个由两个混合模块和两个全局自注意力模块组成的残差全局模块，用于对水下光学图像的特征提取；然后构建前‑背景编码模块和位置编码模块用于分类；再用残差全局模块以及前‑背景编码模块和位置编码模块构建基于度量学习的混合网络；将待检测水下光学图像输入训练后的混合网络，最终获得检测结果，实现水下光学图像中的目标检测。本发明有效解决模型对于水下光学图像中常出现的前背景混淆问题，提升模型在水下光学图像目标检测中的可靠性与鲁棒性。