[发明专利]基于深度学习的海上弱小运动船舶实时检测方法有效
| 申请号： | 201910044089.4 | 申请日： | 2019-01-17 |
| 公开（公告）号： | CN109784278B | 公开（公告）日： | 2020-09-29 |
| 发明（设计）人： | 周薇娜;丁豪文 | 申请（专利权）人： | 上海海事大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 上海元好知识产权代理有限公司 31323 | 代理人： | 包姝晴;徐雯琼 |
| 地址： | 201306 上海市*** | 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： | 本发明涉及基于深度学习的海上弱小运动船舶实时检测方法，步骤包含：步骤1、对海上监控系统视频中的图像进行目标检测处理；步骤2、对输入图像大小进行统一尺寸操作；步骤3、使用网络结构的第一部分来提取小目标特征；步骤4、对于提取到的特征，使用网络结构的第二部分的分类器对图像从浅层网络学习小目标的有效特征，再综合深层网络的位置信息，最终对小目标进行分类。所述网络结构为全卷积网络类型，且包含两个部分，第一部分的作用是提取目标的有效特征；第二部分的作用是检测目标并确定最终检测结果。 | ||
| 搜索关键词： | 基于 深度 学习 海上 弱小 运动 船舶 实时 检测 方法 | ||
【主权项】：
1.一种引用SELU激活函数的新的网络结构，其特征在于，网络结构为全卷积网络类型，且包含两个部分，第一部分的作用是提取目标的有效特征；第二部分的作用是检测目标并确定最终检测结果；所述网络框架的第一部分加入新的网络基本单元；所述新的网络基本单元包含两个3*3卷积层和两个1*1卷积层；第一3*3卷积层后连接第一1*1卷积层，以增加非线性而不改变卷积层的感受域；所述第一1*1卷积层后再连接第二1*1的卷积层，以维护小目标的细节信息；所述第二1*1卷积层后再连接第二3*3的卷积层，以形成3‑1‑1‑3网络基本单元，且每个卷积层的输出部分加入SELU激活函数。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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事大学，未经上海海事大学许可，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/patent/201910044089.4/，转载请声明来源钻瓜专利网。
