-
公开(公告)号:CN118865003B
公开(公告)日:2024-12-27
申请号:CN202411364725.9
申请日:2024-09-29
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
IPC: G06T7/73 , G06V10/764 , G06V20/05 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明提供了一种基于声呐图像的目标实时检测分类方法、介质及系统,属于声呐图像目标分类识别技术领域,包括:将URPC2021声呐数据集按8:1:1的比例分成训练集、验证集和测试集,并为训练数据集建立包含目标位置、大小和类别的标签。将训练集和验证集输入AC‑YOLOX网络进行训练,使用Mosaic和Mixup数据增强策略增加数据多样性,训练目标包括目标坐标、置信度和类别概率。用该训练好的目标实时检测分类模型,输入实时获取的声呐图像,输出目标实时检测分类结果。解决了现有技术难以解决由于内外部干扰共同存在于声呐系统的工作环境中,导致最终得到的水下目标实时检测分类准确度不够的技术问题。
-
公开(公告)号:CN118865003A
公开(公告)日:2024-10-29
申请号:CN202411364725.9
申请日:2024-09-29
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
IPC: G06V10/764 , G06V20/05 , G06V10/82 , G06V10/80 , G06T7/73 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明提供了一种基于声呐图像的目标实时检测分类方法、介质及系统,属于声呐图像目标分类识别技术领域,包括:将URPC2021声呐数据集按8:1:1的比例分成训练集、验证集和测试集,并为训练数据集建立包含目标位置、大小和类别的标签。将训练集和验证集输入AC‑YOLOX网络进行训练,使用Mosaic和Mixup数据增强策略增加数据多样性,训练目标包括目标坐标、置信度和类别概率。用该训练好的目标实时检测分类模型,输入实时获取的声呐图像,输出目标实时检测分类结果。解决了现有技术难以解决由于内外部干扰共同存在于声呐系统的工作环境中,导致最终得到的水下目标实时检测分类准确度不够的技术问题。
-