[发明专利]水下鱼类目标检测方法及装置

权利要求书

1.一种水下鱼类目标检测方法，其特征在于，包括：

获取水下相机拍摄的待检测图像和无检测目标时的背景图像；

将含有目标对象的待检图像和不含有目标对象的背景图片，分别输入预设的目标识别网络模型的主干网络和辅助网络，分别提取特征并进行主干网络和辅助网络的特征相减融合，根据相减融合后特征，输出标有鱼类定位信息的图片检测结果；

其中，所述目标识别网络模型，根据已知目标对象作为标签的待检图像和背景图像作为样本训练后得到。

2.根据权利要求1所述的水下鱼类目标检测方法，其特征在于，所述分别输入预设的目标识别网络模型的主干网络和辅助网络，分别提取特征并进行主干网络和辅助网络的特征相减融合，包括：

将含有目标对象的待检图像通过主干网络，及不含有目标对象的背景图片通过辅助网络，分别经浅层信息提取层输出初步特征，再依次通过主干网络的四个残差块和辅助网络的三个残差块进行特征处理；

将主干网络的浅层信息提取层的输出与辅助网络的第一残差块的输出进行特征相减融合，主干网络的第一残差块输出与辅助网络的第二残差块的输出进行特征相减融合，主干网络的第二残差块输出与辅助网络的第三残差块的输出进行特征相减融合，结合主干网络的第三残差块输出和第四残差块输出，得到相减融合后的四层特征。

3.根据权利要求2所述的水下鱼类目标检测方法，其特征在于，根据相减融合后特征，输出标有鱼类定位信息的图片检测结果，包括：

将相减融合后的四层特征，进行特征融合；

将融合后特征，输入RPN网络生成目标区域候选框；

将所述目标区域候选框，输入多联检测器进行候选框筛选和分类，得到标有鱼类定位信息的图片检测结果。

4.根据权利要求3所述的水下鱼类目标检测方法，其特征在于，将相减融合后的四层特征，进行特征融合，包括：

将相减融合后的四层特征x¹,x²,x³和x⁴，以特征图作为输入，依次经过卷积层和批归一化层得到p1、p2、p3、p4；

然后将p4、p3、p2均向下经PixelShuffle结构上采样，进行多尺度融合得到N4、N3、N2和N1；

p1、p2、p3、p4定义为：

其中，g(·)是PixelShuffle上采样方式将输入特征信息重建放大操作；N_i是多尺度高低层信息融合后的特征信息(i＝0,1,2,3,4)；N_i的计算公式为：

其中，D(·)是下采样非线性转换；fpnconv(·)是卷积操作。

5.根据权利要求2所述的水下鱼类目标检测方法，其特征在于，所述依次通过主干网络的四个残差块和辅助网络的三个残差块进行特征处理，包括根据如下公式进行特征提取：

x^l＝F^l(x^l-1-upconv(y^l)),l≥2；

其中，F^l(·)为主干网络中第l-1层的残差块输入到下一层中的非线性转换；x^l,y^l分别为主干网络和辅助网络第l层残差块输出的特征信息；upconv(·)表示复合连接。

6.根据权利要求1所述的水下鱼类目标检测方法，其特征在于，将含有目标对象的待检图像和不含有目标对象的背景图片，分别输入预设的目标识别网络模型的主干网络和辅助网络之前，还包括：

将含有已知目标对象的待检图像和不含有目标对象的背景图片作为检测网络的输入，对应的含有标注信息的待检图像样本作为目标检测网络的预期输出，设置网络初始参数，对构建的目标识别网络模型进行训练。

7.根据权利要求6所述的水下鱼类目标检测方法，其特征在于，所述设置网络初始参数，对构建的目标识别网络模型进行训练，包括使用如下损失函数进行训练：

其中，γ为聚焦参数，γ＝0；y′是经过激活函数的输出，在0-1之间；α为平衡因子。