[发明专利]融合scSE和Mask R-CNN网络的海洋锋检测方法在审
| 申请号： | 202111515112.7 | 申请日： | 2021-12-13 |
| 公开（公告）号： | CN114187553A | 公开（公告）日： | 2022-03-15 |
| 发明（设计）人： | 徐慧芳;黄冬梅;贺琪;杜艳玲;陈括;覃学标;陈珂 | 申请（专利权）人： | 上海海洋大学 |
| 主分类号： | G06V20/40 | 分类号： | G06V20/40;G06V10/40;G06K9/62;G06N3/04;G06N3/08;G06V10/80 |
| 代理公司： | 上海伯瑞杰知识产权代理有限公司 31227 | 代理人： | 孟旭彤 |
| 地址： | 201306 上*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 融合 scse mask cnn 网络 海洋 检测 方法 | ||
1.一种融合scSE和Mask R-CNN网络的海洋锋检测方法，其特征在于，所述方法包括：
对收集的海洋锋SST影像数据进行数据增强和扩充处理，建立样本数据集；
将标注的样本数据集分为训练数据集与测试数据集；
选用浅层的Resnet-50网络提取特征，并将scSE注意力模块嵌入Resnet网络，构建优化的Mask R-CNN模型；
利用所述训练数据集对优化的Mask R-CNN模型进行训练；
利用所述测试数据集验证训练后的Mask R-CNN模型，并计算模型的mAP指标，且与标注的样本数据集进行比较，计算IoU指标。
2.根据权利要求1所述的融合scSE和Mask R-CNN网络的海洋锋检测方法，其特征在于，所述对收集的海洋锋SST影像数据进行数据增强和扩充处理，包括：
对海洋锋SST影像数据采用CLAHE算法进行数据增强；
对海洋锋SST影像进行旋转、翻转、及批量裁剪进行数据扩充。
3.根据权利要求2所述的融合scSE和Mask R-CNN网络的海洋锋检测方法，其特征在于，所述对海洋锋SST影像进行旋转、翻转、及批量裁剪进行数据扩充，之后还包括：
借助python和scharr算法分别得到灰度影像和梯度影像，最终建立灰度影像、RGB影像及梯度影像三种数据集。
4.根据权利要求1所述的融合scSE和Mask R-CNN网络的海洋锋检测方法，其特征在于，所述优化的Mask R-CNN模型，包括引入IoU boundary loss构建的新的Mask损失函数。
5.根据权利要求1所述的融合scSE和Mask R-CNN网络的海洋锋检测方法，其特征在于，所述将标注的样本数据集分为训练数据集与测试数据集，之前还包括：
使用LabelMe软件按照COCO数据集的格式对样本数据集标注为强海洋锋和弱海洋锋。
6.根据权利要求5所述的融合scSE和Mask R-CNN网络的海洋锋检测方法，其特征在于，所述方法，还包括：
构建强、弱海洋锋训练集，验证所述训练后的Mask R-CNN模型对强、弱海洋锋检测的有效性。
7.根据权利要求1所述的融合scSE和Mask R-CNN网络的海洋锋检测方法，其特征在于，所述利用所述训练数据集对所述Mask R-CNN模型进行训练，包括：
对分类网络、定位网络和分割网络进行训练。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海海洋大学，未经上海海洋大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202111515112.7/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种显示面板及显示装置
- 下一篇：一种医学检验科用加液稀释装置
