水下鱼类目标检测方法、装置及存储介质.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CN113869330A(43)申请公布日2021.12.31(21)申请号202111188098.4(22)申请日2021.10.12(71)申请人大连智慧渔业科技有限公司地址116000辽宁省大连市高新技术产业园区高能街45号3单元11层1号(72)发明人蔡克卫庞洪帅刘敏(74)专利代理机构大连东方专利代理有限责任公司21212代理人陈丽李洪福(51)Int.Cl.G06K9/46(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)G06F17/14(2006.01)权利要求书2页说明书7页附图2页(54)发明名称水下鱼类目标检测方法、装置及存储介质(57)摘要本发明公开了水下鱼类目标检测方法、装置及存储介质，对水下鱼类目标检测模型中的主干网络进行了改进，改进后的主干网络包括融合局部与全局特征提取能力的快速傅里叶变换模块，通过该快速傅里叶变换模块能够得到待检测水下图像的局部特征图和全局特征图，从而获取更优质图像特征，提高了目标检测的准确率；同时，该快速傅里叶变换模块中在频域进行全局特征图的提取，极大地降低了计算复杂度，能够高效的提取特征，从而提高了目标检测的效率。CN113869330ACN113869330A权利要求书1/2页1.一种基于快速傅里叶变换滤波器的水下鱼类目标检测方法，其特征在于，所述方法包括：S1、获取待检测水下图像；S2、将所述待检测水下图像输入至水下鱼类目标检测模型的主干网络，得到特征提取结果；所述主干网络包括融合局部与全局特征提取能力的快速傅里叶变换模块；所述快速傅里叶变换模块包括：用于提取局部特征的局部特征提取模块、用于提取全局特征的傅里叶变换滤波器和用于融合局部特征和全局特征的特征融合模块；所述傅里叶变换滤波器中，对输入特征图进行快速傅里叶变换，得到频域特征图，将所得频域特征图与同尺寸核参数进行逐点相乘，然后将所得频域结果进行快速傅里叶反变换，获得时域特征图；S3、基于所述特征提取结果，得到水下鱼类目标检测结果。2.根据权利要求1所述的基于快速傅里叶变换滤波器的水下鱼类目标检测方法，其特征在于，将所述待检测水下图像输入至水下鱼类目标检测模型的主干网络，得到特征提取结果，包括：利用1*1卷积核的卷积神经网络对所述待检测水下图像进行处理；将处理结果输入至所述局部特征提取模块，得到局部特征；利用1*1卷积核的卷积神经网络对处理结果进行通道变换；将通道变换后的特征图与所述局部特征叠加，输入至所述傅里叶变换滤波器，得到全局特征；将所述局部特征和所述全局特征输入至所述特征融合模块，得到特征融合结果；利用1*1卷积核的卷积神经网络对特征融合结果进行处理，得到最终的特征提取结果。3.根据权利要求2所述的基于快速傅里叶变换滤波器的水下鱼类目标检测方法，其特征在于，所述局部特征提取模块为3x3卷积核的卷积神经网络。4.根据权利要求2所述的基于快速傅里叶变换滤波器的水下鱼类目标检测方法，其特征在于，将所述局部特征和所述全局特征输入至所述特征融合模块，得到特征融合结果，包括：通过1x1卷积核的卷积神经网络对所述局部特征变换特征通道数；将变换特征通道数后的局部特征与所述全局特征进行融合；对融合后的特征进行平均池化操作，以调节特征图尺寸。5.一种基于快速傅里叶变换滤波器的水下鱼类目标检测装置，其特征在于，所述装置包括：图像获取单元，用于获取待检测水下图像；特征提取单元，用于将所述图像获取单元获取的待检测水下图像输入至水下鱼类目标检测模型的主干网络，得到特征提取结果；所述主干网络包括融合局部与全局特征提取能力的快速傅里叶变换模块；所述快速傅里叶变换模块包括：用于提取局部特征的局部特征提取模块、用于提取全局特征的傅里叶变换滤波器和用于融合局部特征和全局特征的特征融合模块；所述傅里叶变换滤波器中，对输入特征图进行快速傅里叶变换，得到频域特征图，将所得频域特征图与同尺寸核参数进行逐点相乘，然后将所得频域结果进行快速傅里叶反变换，获得时域特征图；目标检测单元，用于基于所述特征提取结果，得到水下鱼类目标检测结果。2CN113869330A权利要求书2/2页6.根据权利要求5所述的基于快速傅里叶变换滤波器的水下鱼类目标检测装置，其特征在于，所述特征提取单元具体用于：利用1*1卷积核的卷积神经网络对所述待检测水下图像进行处理；将处理结果输入至所述局部特征提取模块，得到局部特征；利用1*1卷积核的卷积神经网络对处理结果进行通道变换；将通道变换后的特征图与所述局部特征叠加，输入至所述傅里叶变换滤波器，得到全局特征；将所述局部特征和所述全局特征输入至所述特征融合模块，得到特征融合结果；利用1*1卷积核的卷积神经网络对特征融合结果进行处理，