[发明专利]一种基于全连接层特征提取的船只检索方法及装置

权利要求书

1.一种基于全连接层特征提取的船只检索方法，其特征在于，包括如下步骤：

获取目标图像，在所述目标图像中提取船只目标区域；

将所述船只目标区域输入卷积神经网络，根据所述卷积神经网络，提取所述船只目标区域的全连接层特征；

根据相似度计算算法确定所述全连接层特征与目标船只图像的相似度，返回相似度大于第一阈值的船只图像。

2.根据权利要求1所述的方法，其特征在于，所述在所述目标图像中提取船只目标区域，包括：

将所述目标图像输入至预设的YOLO神经网络检测模型，获取船只目标区域。

3.根据权利要求2所述的方法，其特征在于，所述预设的YOLO神经网络检测模型的构建方式是：

获取船只图像训练样本；

根据所述船只图像训练样本对所述预设的YOLO神经网络检测模型中的卷积层、池化层和全连接层进行训练，调整网络参数，得到预设的YOLO神经网络检测模型。

4.根据权利要求1所述的方法，其特征在于，所述根据相似度计算算法确定所述特征库中特征与所述目标船只图像的相似度，具体包括：

根据汉明距离计算所述特征库中特征与所述目标船只图像的相似度。

5.根据权利要求1所述的方法，其特征在于，所述卷积神经网络的构建方式为：

获取船只图像训练样本；

根据所述船只图像训练样本对预训练卷积神经网络进行训练，得到输出向量；

根据所述船只图像训练样本对应的实际结果及所述输出向量计算所述预训练神经网络模型的损失；

根据梯度反转后的损失调整所述预训练卷积神经网络的权重参数，构建卷积神经网络。

6.根据权利要求1所述的方法，其特征在于，还包括：

获取总检索次数、检索返回的图像数以及检索返回的相关图像数；

根据所述总检索次数、检索返回的图像数以及检索返回的相关图像数计算平均检索精度；所述平均检索精度的计算方式为：

其中，AveP为平均查准率，由获得，Q表示总检索次数，q表示第q次检索，式中，k为返回图像的排序，n为检索返回的图像数，m为检索返回的相关图像数，P(k)为截断值为k时的查准率，rel(k)为指示函数，当返回图像序列中排序为k的图像是相似图像时rel(k)＝1，反之，rel(k)＝0。

7.一种基于全连接层特征提取的船只检索装置，其特征在于，包括：

目标图像获取模块，用于获取目标图像，在所述目标图像中提取船只目标区域；

用于将所述船只目标区域输入卷积神经网络；

特征提取模块，用于将所述船只目标区域输入卷积神经网络，根据所述卷积神经网络，提取所述船只目标区域的全连接层特征；

相似度计算模块，用于根据相似度计算算法确定所述全连接层特征与目标船只图像的相似度，返回相似度大于第一阈值的船只图像。

8.根据权利要求7所述的装置，其特征在于，还包括：

样本获取模块，用于获取船只图像训练样本；

输出向量模块，用于根据所述船只图像训练样本对预训练卷积神经网络进行训练，得到输出向量；

损失获取模块，用于根据所述船只图像训练样本对应的实际结果及所述输出向量计算所述预训练神经网络模型的损失；

神经网络构建模块，用于根据梯度反转后的损失调整所述预训练卷积神经网络的权重参数，构建卷积神经网络。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至6任一所述的基于全连接层特征提取的船只检索方法的步骤。

10.一种存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现权利要求1至6任一所述的基于全连接层特征提取的船只检索方法的步骤。