[发明专利]一种基于YOLOv4算法的船舶目标检测方法

说明书

本发明属于船舶检测技术领域，具体公开一种基于YOLOv4算法的船舶目标检测方法，包括如下步骤：S1：基于YOLOv4算法建立船舶目标检测模型；S2：获取船舶目标待检测图像；S3：将船舶目标待检测图像输入船舶目标检测模型，得到船舶目标检测结果图像。本发明解决了现有技术存在的提取船舶目标困难、检测模型泛化能力不强以及检测的精度有限的问题。

技术领域

本发明属于船舶检测技术领域，具体涉及一种基于YOLOv4算法的船舶目标检测方法。

背景技术

海上运输是国际物流中最主要的运输方式，其运输总量占据全球货运总量的2/3以上。然而，随着航运流量的迅速增长，海上违规事件时有发生，破坏环境的船舶事故、海盗行为、非法捕鱼、贩毒和非法货物运输等事件时有发生，严重破坏了海洋运输秩序，对我国的经济和安全造成了严重的影响，这迫使许多组织对海洋进行更密切的监视，因此，对船舶进行有效的检测和识别具有重要的理论意义和应用价值。

现有技术的问题：

1)船舶检测不同于常见的人脸检测、车辆检测等问题，船舶图像背景复杂，存在多种干扰信息，包括光照因素、云雾天气、水面波动、船舶目标小，使得提取船舶目标变得困难，增加了处理时间甚至造成了大量的漏检误检等现象。另外，数据集稀缺，样本不均衡，造成许多检测模型泛化能力不强，使得目前船舶检测工作极具挑战性。

2)现有技术中，目标检测大都通过手工特征提取的方法，比如使用图像处理、统计分析等手段，然后根据获取的特征构建合适的模型或者使用模型集成来进行目标的检测识别，这样难以获取高层的语义信息，检测的精度有限。

发明内容

本发明旨在于至少在一定程度上解决上述技术问题之一。

为此，本发明目的在于提供一种基于YOLOv4算法的船舶目标检测方法，用于解决现有技术存在的提取船舶目标困难、检测模型泛化能力不强以及检测的精度有限的问题。

本发明所采用的技术方案为：

一种基于YOLOv4算法的船舶目标检测方法，包括如下步骤：

S1：基于YOLOv4算法建立船舶目标检测模型；

S2：获取船舶目标待检测图像；

S3：将船舶目标待检测图像输入船舶目标检测模型，得到船舶目标检测结果图像。

进一步地，步骤S1的具体方法为：

S1-1：基于卫星船舶图像数据集，获取初始船舶图像数据集，并对初始船舶图像数据集进行预处理，得到预处理后船舶图像数据集；

S1-2：将预处理后船舶图像数据集中每个图像进行网格划分，并获取每个网格的预测框，得到带有预测框的最终船舶图像数据集；

S1-3：建立YOLOv4模型；

S1-4：将最终船舶图像数据集输入YOLOv4模型进行训练，得到船舶目标检测模型。

进一步地，步骤S1-1中，预处理包括依次进行的图像格式处理和数据增强处理。

进一步地，数据增强处理包括对图像进行的几何变换处理、光学变换处理、增加噪声处理、归一化处理以及Mosaic数据增强处理。

进一步地，步骤S1-2中，获取网格的预测框的具体方法为：

A-1：设置当前网格的先验框；

A-2：获取预测框与先验框的偏移量；

A-3：根据偏移量获取当前网格的预测框。

进一步地，步骤S1-3中，YOLOv4模型包括依次连接的骨架网络结构CSPDarknet-53和特征融合网络PAN。