[发明专利]基于Yolo-v3算法的水下声呐侧扫图像小目标检测方法

权利要求书

1.基于YoLo-v3算法的水下声呐侧扫图像小目标检测方法，其特征在于，包括：

S1、预先采集带有目标的水下声呐侧扫图像，对声呐图像中待检测的目标进行标注，并建立带有目标标注的声呐侧扫图像集合；

S2、基于YoLo-v3方法结合水下声呐侧扫图像进行训练，建立目标检测网络，用于实现光学和声学水声目标检测的互补、准确检测水声目标；

S3、实时采集带有目标的水下声呐侧扫图像，输入该YoLo-v3网络结构进行识别检测，获取水下目标中心的预测框以及坐标。

2.根据权力要求1所述的基于YoLo-v3算法的水下声呐侧扫图像小目标检测方法，其特征在于，所述标注为对水下声呐侧扫图像中的目标用矩形框进行模糊标注。

3.根据权力要求1所述的基于YoLo-v3算法的水下声呐侧扫图像小目标检测方法，其特征在于，所述基于YoLo-v3方法结合水下声呐侧扫图像进行训练，包括：是采用模糊标注的水下声呐侧扫图像数据集训练YoLo-v3网络中Darknet-53网络的参数，并根据损失函数反向传播调整Darknet-53网络的参数。

4.根据权力要求1所述的基于YoLo-v3算法的水下声呐侧扫图像小目标检测方法，其特征在于，所述综合损失函数E＝E₁+E₂，其中，E₁表示真实检测框与预测的目标框的交叉熵损失函数，E₂表示坐标损失函数；当综合损失函数E满足阈值要求时停止网络参数的更新迭代。

5.根据权利要求3或4述的基于YoLo-v3算法的水下声呐侧扫图像小目标检测方法，其特征在于，所述采用模糊标注的水下声呐侧扫图像数据集训练YoLo-v3算法中Darknet-53网络的参数，包括：将水下声呐侧扫图像用S*S的网格切分，在每个网格中预测B个边界框，通过计算每个边界框的所得分数来检测物体的位置中心，边界框的分数计算通过如下公式：

其中，是第i个网格里的第j个边界框所得的分数，P_i，j(object)表示探测目标位于第i个网格里的第j个边界框的概率，表示预测框与物体真实预测框之间的交并比，所述交并比为交集与并集的比。

6.根据权利要求5所述的基于YoLo-v3算法的水下声呐侧扫图像小目标检测方法，其特征在于，所述将水下声呐侧扫图像用S*S的网格切分后，得到S*S个的网格图像和任意一个网格图像的真实预测框。

7.根据权利要求5所述的基于YoLo-v3算法的水下声呐侧扫图像小目标检测方法，其特征在于，计算真实检测框与预测的目标框的交叉熵，以此作为损失函数反向传播更新网络参数，损失函数的计算可以通过如下公式：

其中，E₁表示用于参数更新的第一个损失函数，W_i，j表示权重，表示第i个网格里的第j个真实预测框的得分。

8.根据权利要求3或4所述的基于YoLo-v3算法的水下声呐侧扫图像小目标检测方法，其特征在于，通过坐标损失函数更新网络参数，坐标损失函数更新网络参数的方法为

其中，E₂表示坐标损失函数，σ(·)表示第i个网格里的第j个预测框的四个坐标t_x、t_y、t_w、t_h对应的函数，为第i个网格里的第j个对应真实检测框的坐标。

9.根据权利要求1所述的基于YoLo-v3算法的水下声呐侧扫图像小目标检测方法，其特征在于，所述目标中心的坐标为：停止更新迭代时的第i个网格里的第j个边界框的中心为当前水声目标的中心作为输出结果；所述水下目标中心的预测框为；此时的边界框的四个坐标作为输出结果进行标注。