[发明专利]一种海洋生物检测方法、系统和设备

说明书

本发明公开了海洋生物检测方法、系统和设备，海洋生物检测方法，包括以下步骤：获取ImageNet数据集、海洋生物细粒度图像分类数据集以及拍摄得到的海洋生物数据集；使用所述ImageNet数据集对预设分类网络进行训练，得到预训练模型；使用所述海洋生物细粒度图像分类数据集对所述预训练模型进行训练得到训练模型；选取部分所述海洋生物数据集进行标注得到标注数据集；使用预设算法对标注数据集进行强化；使用训练模型结合多尺度检测网络和位置注意力机制基于强化后的标注数据集进行训练，得到海洋生物检测模型；输入未被标注的自拍摄海洋生物数据集，输出检测信息，能够准确的检测出图像或视频中存在的海洋生物种类。

技术领域

本发明涉及数字图像处理技术领域，具体为一种海洋生物检测方法、系统和设备。

背景技术

全球气候的变化以及环境污染等问题造成海洋生态环境的改变，严重破坏了一些海洋生物赖以生存的环境，随之而来的是海洋生物多样性的消失。海洋资源的匮乏问题已成为目前人类又一个不愿面对的海洋真相,海洋资源可持续发展也将是本世纪最重要的课题之一。研究海洋生物多样性，统计掌握现有的海洋生物资源种类，对海洋生物资源保护，海洋生物科学研究有重大意义。

近年来，随着深度学习技术的发展与逐渐成熟，从图像中识别出对象物的“图像识别技术”的性能借助“深度学习”得以迅速提高，在点燃了其在学术界的研究热潮的同时，也引起了产业界的广泛关注，也为基于视觉的角度进行海洋生物图像分类与识别提供了新的探索方向。

一方面，基于深度学习技术对物种进行识别需要大量的生物图像，尚存的海洋生物数据库都存在海洋生物物种图库量少，物种图像缺失等问题。因此构建海洋生物图像库并研究基于视觉的海洋生物目标检测对海洋资源的开发具有重要的研究价值和战略意义。

另一方面，基于深度学习的目标检测算法为了检测更多复杂的特征往往会加深或加宽网络，同时为了减少计算量以及增加位移不变特性，网络中常常增加池化层，池化层下采样过程不可避免地会丢失部分或者全部小目标特征信息，在实际中就会导致小目标的漏检情况。如何借助于大数据与人工智能手段对水下环境数据进行分析，提升海洋生物检测准确率是当前研究的重要课题。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种海洋生物检测方法、系统和设备，能够准确的检测出图像或视频中存在的海洋生物种类。

为达到上述目的，本发明提供的技术方案如下：

根据本发明的一个方面，一种海洋生物检测方法，包括以下步骤：

获取ImageNet数据集、海洋生物细粒度图像分类数据集以及拍摄得到的海洋生物数据集；

使用所述ImageNet数据集对预设分类网络进行训练，得到预训练模型；

使用所述海洋生物细粒度图像分类数据集对所述预训练模型进行训练得到训练模型；

选取部分所述海洋生物数据集进行标注得到标注数据集；

使用预设算法对标注数据集进行强化；

使用训练模型结合多尺度检测网络和位置注意力机制基于强化后的标注数据集进行训练，得到海洋生物检测模型；

输入未被标注的自拍摄海洋生物数据集，输出检测信息。

进一步的，使用训练模型结合多尺度检测网络和位置注意力机制基于强化后的标注数据集进行训练得到海洋生物检测模型，包括：在训练模型进行检测时增加位置注意力机制并基于多尺度检测网络生成至少两种尺度的图像。

进一步的，在训练模型进行检测时增加位置注意力机制，包括通过若干第三卷积层、最大池化层、平均池化层提取捕获待检测图像任意两个位置之间的空间依赖。