[发明专利]一种面向小样本水下图像的目标识别系统

说明书

本发明公开了一种面向小样本水下图像的目标识别系统，包括对水域环境进行成像，对生成的图片进行预处理；选择学习模式及深度学习框架，进行训练；存储模型训练结果，对训练结果进行评估；该方法和系统集成了非常全面的图像处理操作和深度学习模型，能够帮助使用者采用不同的方式不同的组合来实现水下目标的训练和识别，并对比预测效果，存储有效的组合方案，以供后续研究参考，有效地解决了在小样本水下图像的目标识别研究中，无方案可循，无方法可依，受限于个人专业经验的问题，且本发明能实现深度学习框架的自动部署和加速学习，可以部署在多个开发平台，易于推广，使用简单，极大地了节约了人力和时间成本。

技术领域

本发明涉及水下目标识别的技术领域，尤其涉及一种小样本水下图像的目标识别系统。

背景技术

在水下目标识别中，由于环境的局限性，导致光学成像受阻，远距离方向通常只能采用声学成像，即借助声呐设备进行目标搜索。但由于水下声学介质多变，信号传输过程中易受到干扰，导致目标的声呐图像质量低、噪声多、特征不明显。

由于水下环境的未知性，大多数目标是小样本的，稀有的，因此获取的目标图像数据非常少，在处理此类目标图像时，只能依靠研究人员的经验来操作，没有成熟的处理方案，更没有系统的模型来针对性地训练水下图像，对水下目标进行分析时，图像处理流程复杂且模块间关联性不强，未知的、小样本的水下图像没有成熟的处理方法可参考，浪费了大量的人力资源和时间资源，对于这些小样本的，陌生的数据，图像处理方法操作只能尝试性地选择，验证性也不足，严重影响了目标的识别效率。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述水下环境的特殊性以及目前没有成熟处理方案的问题，提出了本发明。

因此，本发明解决的技术问题是：图像处理识别流程复杂且模块间关联性不强，未知的、小样本的水下图像没有成熟的处理方法可参考。

提出一种面向小样本水下图像的目标识别系统，能够让用户在系统中选择合适的预处理单元以及训练模型。

为解决上述技术问题，本发明提供如下技术方案：一种面向小样本水下图像的目标识别系统，包括，

成像模块用于对水下目标区域进行成像，包括成像模式选择单元，所述成像模式选择单元可以进行光学成像或声学成像的不同选择；

图片预处理模块连接所述成像模块，用于对所述成像模块输出的图片进行预处理，

所述图片预处理模块包括，灰度图转化单元、图像二值化单元、ROI区域划分单元、轮廓绘制单元、图像降噪去雾单元、形态学变换单元以及特征提取单元；

深度学习模块连接于所述图片预处理模块，根据用户选择来使用不同的深度学习框架和学习模式，对模型进行训练并全程监控，

所述深度学习模块包括，学习模式选择单元、深度学习框架选择单元以及训练监控单元，其中学习模式选择单元包括全新训练、迁移学习和联合学习，深度学习框架选择单元包括Tensorflow、Pytorch；

评估模块连接于所述深度学习模块，用于存储并评估所述深度学习模块所产生的模型和数据，

所述评估模块包括，模型训练结果存储单元以及评估单元，存储单元用于预测错误和数据归类，评估单元用于对训练结果评估，评估指标包括F1-score、recall、mAP、Precision。