[发明专利]一种可用于标签生成的水下场景目标检测集成方法及系统

说明书

本发明提供一种可用于标签生成的水下场景目标检测集成方法及系统，该方法包括：利用已有的训练集对多个模型进行训练；利用训练好的多个模型分别对无标签的样本进行预测，并采用预设集成策略将每个模型对同一个样本的预测结果进行集成，生成该样本的标签；将生成标签的样本加入训练集中，用新生成的训练集重新训练每一模型。本发明设计的集成方法可有效的提升系统整体的精度；同时，利用本发明的集成系统为无标签的图像生成伪标签，可以快速的生成可靠的样本，为水下场景目标检测的发展提供了强大的技术支持。

技术领域

本发明涉及深度学习图像处理技术领域，特别是指一种可用于标签生成的水下场景目标检测集成方法及系统。

背景技术

随着海洋产业的发展，水下物体检测在海军沿海防御任务以及渔业、水产养殖等海洋经济中发挥着越来越重要的作用，由于水下作业危险系数高、捕捞成本大，面向水下场景的目标检测系统具有很高的价值，例如用于检测水下的海参，扇贝，海胆，海星等海洋生物，可用于自动的水下捕捞作业。

然而水下成像的图像具有模糊、色调差异大的特点，而且水下场景复杂多变，无论是数据采集还是样本标注都很困难。在有限的数据样本的情况下，很难得到可以应付复杂多变的水下场景的高精度检测算法。

在上述前提下，用于数据清洗和数据蒸馏的高精度模型系统是非常必要的，它不仅可以自动生成可用样本来扩充数据集，在多次迭代后还可以用于指导小模型的训练，帮助本领域技术人员获得高精度实时检测模型。

发明内容

本发明要解决的技术问题是提供一种可用于标签生成的水下场景目标检测集成方法及系统，以解决水下场景目标检测中样本获取难的问题。

为解决上述技术问题，本发明提供如下技术方案：

一种可用于标签生成的水下场景目标检测集成方法，其包括：

利用已有的训练集对多个模型进行训练；

利用训练好的多个模型分别对无标签的样本进行预测，并采用预设集成策略将每个模型对同一个样本的预测结果进行集成，生成该样本的标签；

将生成标签的样本加入训练集中，用新生成的训练集重新训练每一模型。

进一步地，所述方法还包括：

迭代执行模型训练和标签生成过程，以提高模型精度和生成标签的精度。

进一步地，所述多个模型包括一个主模型和多个辅助模型；其中，

所述主模型为以ResNeXt101-64x4d为骨干网络的Cascade R-CNN；

所述辅助模型包括以HRNetv2p-w48为骨干网络的Cascade R-CNN和以SEResNeXt101-32x4d为骨干网络的Cascade R-CNN。

进一步地，所述利用已有的训练集对多个模型进行训练，包括：

对每个模型的训练集分别按照预设方式进行随机变换；

利用随机变换后的训练集分别对每一模型进行训练。

进一步地，对每个模型的训练集分别按照预设方式进行随机变换，包括：

对每个模型的训练集分别随机选择左右抖动，随机裁剪，色彩空间变换以及引入噪声中的任意一种或多种的组合进行随机变换。

进一步地，所述利用随机变换后的训练集分别对每一模型进行训练，包括：

为每一种模型都在COCO数据集上进行预训练来加速模型的收敛；

在训练的不同周期把训练样本的短边随机缩放到600到1200之间，同时保持图像的长宽比不变，对每个模型都设置不同的测试尺度；其中，