[发明专利]一种船舰目标检测方法、系统、设备及介质

说明书

本公开公开了一种船舰目标检测方法、系统、设备及介质，获取待检测图像；利用预训练的改进的SSD神经网络模型，对待检测图像进行检测，输出船舰目标检测结果；改进的SSD神经网络模型，通过上采样算子CARAFE实现上采样操作；通过设置损失函数为Focal loss，解决船舰目标检测过程中正负样本比例不均衡的问题使用上采样算子CARAFE与Focal loss改进了SSD模型。基于FPGA中实现的，相对于高功耗的CPU与GPU平台具有更好的能耗比。三是本系统采用了以太网模块进行交互，相对于其他的FPGA平台来说具有更好的易用性。

技术领域

本公开涉及船舰目标检测技术领域，特别是涉及一种船舰目标检测方法、系统、设备及介质。

背景技术

本部分的陈述仅仅是提到了与本公开相关的背景技术，并不必然构成现有技术。

随着深度学习的不断发展，相比传统的目标检测方法，深度学习能够大大节省人工设计特征表示的时间，而且精准度上也获得了极大的提高。深度学习根据数据训练出来的舰船目标检测模型具有良好的数据泛化能力，能够适应更多的场合，如海洋，海岸，湖泊等。但深度学习也具有一定的局限性，仅靠CPU运行的深度学习网络运行缓慢，无法实用，而传统的深度学习运行环境需要搭载GPU。这导致了功耗大，无法在功耗敏感的场合运行。

在实现本公开的过程中，发明人发现现有技术中存在以下技术问题：

现有的深度网络FPGA设计一是没有对舰船识别做出特别优化，现有的改进网络其上采样过程计算量大导致网络运行慢，二是没有通用的接口使用不方便。

发明内容

为了解决现有技术的不足，本公开提供了一种船舰目标检测方法、系统、设备及介质；

第一方面，本公开提供了一种船舰目标检测方法；

一种船舰目标检测方法，包括：

获取待检测图像；

利用预训练的改进的SSD神经网络模型，对待检测图像进行检测，输出船舰目标检测结果；

改进的SSD神经网络模型，通过上采样算子CARAFE实现上采样操作；

通过设置损失函数为Focal loss，解决船舰目标检测过程中正负样本比例不均衡的问题

第二方面，本公开还提供了一种船舰目标检测系统；

一种船舰目标检测系统，包括：

获取模块，其被配置为：获取待检测图像；

输出模块，其被配置为：利用预训练的改进的SSD神经网络模型，对待检测图像进行检测，输出船舰目标检测结果；

改进的SSD神经网络模型，通过上采样算子CARAFE实现上采样操作；

通过设置损失函数为Focal loss，解决船舰目标检测过程中正负样本比例不均衡的问题

第三方面，本公开还提供了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述方法的步骤。

第四方面，本公开还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述方法的步骤。

与现有技术相比，本公开的有益效果是：

本公开的方法一是使用上采样算子CARAFE与Focal loss改进了SSD模型。二是本平台是基于FPGA中实现的，相对于高功耗的CPU与GPU平台具有更好的能耗比。三是本系统采用了以太网模块进行交互，相对于其他的FPGA平台来说具有更好的易用性。