基于Yolo-v3算法的水下声呐侧扫图像小目标检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114155428A(43)申请公布日2022.03.08(21)申请号202111417536.XG06K9/62(2022.01)(22)申请日2021.11.26G06N3/04(2006.01)(71)申请人中国科学院沈阳自动化研究所地址110016辽宁省沈阳市沈河区南塔街114号(72)发明人韩志王艳美余思泉唐延东(74)专利代理机构沈阳科苑专利商标代理有限公司21002代理人周宇(51)Int.Cl.G06V20/05(2022.01)G06V10/143(2022.01)G06V10/25(2022.01)G06V10/774(2022.01)G06V10/82(2022.01)权利要求书2页说明书5页附图3页(54)发明名称基于Yolo-v3算法的水下声呐侧扫图像小目标检测方法(57)摘要本发明涉及基于YoLo‑v3算法的水下声呐侧扫图像小目标检测方法。通过对已有的水下声呐侧扫图像中的小目标进行标注，利用YoLo‑v3算法在目标检测任务中的优势，并根据水下声呐侧扫图像中目标检测任务的要求对网络结构进行适当的修改，以实现水下声呐侧扫图像的目标检测任务。实验结果验证了该方法在水下声呐侧扫图像目标检测任务中的有效性。CN114155428ACN114155428A权利要求书1/2页1.基于YoLo‑v3算法的水下声呐侧扫图像小目标检测方法，其特征在于，包括：S1、预先采集带有目标的水下声呐侧扫图像，对声呐图像中待检测的目标进行标注，并建立带有目标标注的声呐侧扫图像集合；S2、基于YoLo‑v3方法结合水下声呐侧扫图像进行训练，建立目标检测网络，用于实现光学和声学水声目标检测的互补、准确检测水声目标；S3、实时采集带有目标的水下声呐侧扫图像，输入该YoLo‑v3网络结构进行识别检测，获取水下目标中心的预测框以及坐标。2.根据权力要求1所述的基于YoLo‑v3算法的水下声呐侧扫图像小目标检测方法，其特征在于，所述标注为对水下声呐侧扫图像中的目标用矩形框进行模糊标注。3.根据权力要求1所述的基于YoLo‑v3算法的水下声呐侧扫图像小目标检测方法，其特征在于，所述基于YoLo‑v3方法结合水下声呐侧扫图像进行训练，包括：是采用模糊标注的水下声呐侧扫图像数据集训练YoLo‑v3网络中Darknet‑53网络的参数，并根据损失函数反向传播调整Darknet‑53网络的参数。4.根据权力要求1所述的基于YoLo‑v3算法的水下声呐侧扫图像小目标检测方法，其特征在于，所述综合损失函数E＝E1+E2，其中，E1表示真实检测框与预测的目标框的交叉熵损失函数，E2表示坐标损失函数；当综合损失函数E满足阈值要求时停止网络参数的更新迭代。5.根据权利要求3或4述的基于YoLo‑v3算法的水下声呐侧扫图像小目标检测方法，其特征在于，所述采用模糊标注的水下声呐侧扫图像数据集训练YoLo‑v3算法中Darknet‑53网络的参数，包括：将水下声呐侧扫图像用S*S的网格切分，在每个网格中预测B个边界框，通过计算每个边界框的所得分数来检测物体的位置中心，边界框的分数计算通过如下公式：其中，是第i个网格里的第j个边界框所得的分数，Pi，j(object)表示探测目标位于第i个网格里的第j个边界框的概率，表示预测框与物体真实预测框之间的交并比，所述交并比为交集与并集的比。6.根据权利要求5所述的基于YoLo‑v3算法的水下声呐侧扫图像小目标检测方法，其特征在于，所述将水下声呐侧扫图像用S*S的网格切分后，得到S*S个的网格图像和任意一个网格图像的真实预测框。7.根据权利要求5所述的基于YoLo‑v3算法的水下声呐侧扫图像小目标检测方法，其特征在于，计算真实检测框与预测的目标框的交叉熵，以此作为损失函数反向传播更新网络参数，损失函数的计算可以通过如下公式：其中，E1表示用于参数更新的第一个损失函数，Wi，j表示权重，表示第i个网格里的第j个真实预测框的得分。2CN114155428A权利要求书2/2页8.根据权利要求3或4所述的基于YoLo‑v3算法的水下声呐侧扫图像小目标检测方法，其特征在于，通过坐标损失函数更新网络参数，坐标损失函数更新网络参数的方法为其中，E2表示坐标损失函数，σ(·)表示第i个网格里的第j个预测框的四个坐标tx、ty、tw、th对应的函数，为第i个网格里的第j个对应真实检测框的坐标。9.根据权利要求1所述的基于YoLo‑v3算法的水下声呐侧扫图像小目标检测方法，其特征在于，所述目标中心的坐标为：停止更新迭代时的第i个网格里的第j个边界框的中心为当前水声目标的中心作为输出结果；所述水下目标中心的预测框为；此时的边界框的四个坐标作为输出结果进行标注。3CN114