[发明专利]一种基于深度学习的船只特征优化方法、装置和电子设备

说明书

本发明涉及深度学习技术领域，具体涉及一种基于深度学习的船只特征优化方法。包括：获取船只图像数据集；通过卷积网络对所述船只图像数据集进行特征提取，得到第一特征；根据所述船只图像数据集预设船只特征，得到第二特征；其中，所述第二特征包括船只形状、纹理和颜色；利用深度学习网络将所述第一特征和所述第二特征进行结合，以获得优化船只特征。利用第一特征和第二特征联合，使得通过提取的第一特征信息通过第二特征信息进行互补，从而保证特征提取的准确性并实现对船只特征优化，提升在遮挡情况下提取特征的准确度。

技术领域

本发明涉及深度学习技术领域，具体涉及一种基于深度学习的船只特征优化方法。

背景技术

在现有技术中，人们对海防检测是通过人工和监控设备进行海防巡检，但是在传统的海防巡检中，通过人工和监控设备对海域范围内的船只进行检测，在检测目标船只时会因为目标船只发生重叠和遮挡情况，因此会使人们在识别目标船只时产生了一定的困难或是无法识别的问题，因这些问题也使得在进行目标船只检测和识别时出现误检现象。

发明内容

有鉴于此，本发明实施例提供了一种基于深度学习的船只特征优化方法，以解决目标船只存在重叠、遮挡情况下能够准确提取船只特征的问题。

根据第一方面，本发明实施例提供了一种基于深度学习的船只特征优化方法，包括：

获取船只图像数据集；

通过卷积网络对所述船只图像数据集进行特征提取，得到第一特征；

根据所述船只图像数据集预设船只特征，得到第二特征；其中，所述第二特征包括船只形状、纹理和颜色；

利用深度学习网络将所述第一特征和所述第二特征进行结合，以获得优化船只特征。

利用第一特征和第二特征结合，使通过自动提取的第一特征没能考虑的特征信息通过第二特征进行互补，保证特征提取的准确性从而实现对船只特征优化，并提升在遮挡情况下提取特征的准确度。

结合第一方面，在第一方面第一实施方式中，获取船只图像数据包括重叠、被遮挡的船只图片。

通过从重叠。被遮挡的船只图片中提取船只特征，从保证所提取特征的准确性。

结合第一方面，在第一方面第二实施方式中，通过卷积网络对所述船只图像数据进行特征提取，得到第一特征；包括：

提取所述船只数据集中预设目标的图像；

对所述预设目标的图像进行特征提取，以得到第一特征。

利用卷积网络对船只数据进行提取，从而保证能够获取的第一特征信息是通过深度学习输出的特征，以实现自动提取船只特征的功能。

结合第一方面，在第一方面第三实施方式中，通过深度学习网络将所述第一特征和所述第二特征进行结合，包括：

获取第一特征和第二特征，从第一特征和第二特征中提取部分特征数据为训练数据；

将所述训练数据输入特征训练模型中进行训练，生成特征模型；

通过把所述第一特征和所述第二特征输入特征模型，输出第三特征；所述第三特征为优化船只特征。

利用所获取的迪第一特征和第二特征和深度学习网路，构建特征模型，输出第三特征，通过第三特征能够更全面的把被遮挡船只图像进行快速准确提取。

结合第一方面，在第一方面第四实施方式中，将所述训练数据输入特征训练模型中进行训练，生成特征模型，包括：使用传统特征约束卷积神经网络进行后向传播。。