买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：天津大学

摘要：本发明属于水下场景识别和检测技术领域，具体涉及一种基于深度学习的南海珊瑚识别与检测方法，本发明构建了一个南海珊瑚识别与检测数据集，并利用深度学习模型成功实现了静态珊瑚识别和动态珊瑚检测。在静态珊瑚识别方面，本发明采用AlexNet和ResNet‑50两种深度学习模型进行实验，识别准确度均达到90％以上，该结果证明了深度学习模型在SCSCRD上进行珊瑚识别的有效性。在动态珊瑚检测方面，本发明利用两种代表性的基于深度学习的目标检测模型：YOLOv8和Faster‑RCNN，在SCSCDR上进行实验，结果表明YOLOv8的检测精度优于Faster‑RCNN，且在模型轻量化和实时性能方面具有显著优势。

主权项：1.一种基于深度学习的南海珊瑚识别与检测方法，其特征在于：包括如下步骤：S1:数据采集；数据采集过程中，原始数据是由专业潜水人员使用OLYMPUS-IM015数码相机在南中国海西沙群岛永乐环礁泻湖拍摄，视频总时长为11分钟，分辨率为1080×1440，帧率为25帧每秒；S2:数据预处理；采用水下图像增强的概率估计网络PUIE-Net对图像进行预处理；S3:数据标注；使用图像标注软件LabelImg对数据集图像进行手工标注，并生成XML和YOLO格式文件，其中包括每张图片目标框的位置信息以及珊瑚的类别等信息；S4:数据统计；包括1类别多样性，SCSCRD中被标注的珊瑚目标总数为4762；2尺寸多样性，引入了面积比参数Sc，它表示目标边界框面积与图像总面积的比例，根据常用标准，当Sc值的平方根小于某个特定阈值，通常取0.03时，该目标被定义为小目标。经过计算，在SCSCRD中，小目标的占比高达62.83％；3图像丰富度信息，每张图像中的珊瑚目标个数以及类别数量可以评价一张图像信息的丰富程度，SCSCRD数据集中各个图像涵盖了不同数量的珊瑚目标；S5:南海静态珊瑚识别；1数据准备，基于构建的SCSCRD中1193张标注图像，沿着边界框进行裁剪，得到一个珊瑚识别数据集，该数据集包含9类珊瑚，总共4762张图像；2模型结构，采用两个有影响力的卷积神经网络，AlexNet和ResNet；3模型测试及结果分析，主要利用深度学习模型AlexNet和ResNet-50在SCSCRD上进行了实验，并对结果进行了分析；S6:南海动态珊瑚检测；包括1数据准备，将SCSCRD中图像的大小统一调整为640×640，并按照8：1：1将数据划分为训练集、验证集和测试集。动态检测数据为一个连续30秒的珊瑚视频，共750帧25帧秒；2从单阶段法、两阶段法中各选取了1种有代表性的目标检测方法，即Faster-RCNN和YOLOv8，在SCSCRD上进行了实验；3模型测试及结果分析，主要利用基于深度学习的目标检测模型FasterR-CNN和YOLOv8在SCSCRD上进行了目标检测实验，并从检测精度和模型效率方面对结果进行了分析。

全文数据：

权利要求：

百度查询： 天津大学 基于深度学习的南海珊瑚识别与检测方法