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：大连海事大学

摘要：本发明公开了一种结合局部感知和高阶特征重构的水下目标重识别方法，其包括利用目标检测算法模型的跨阶段网络对采集的图像进行水下目标特征处理，获得水下目标特征图；水下目标特征图进行映射处理和尺度池化获得具有特征矩阵的特征图，输入路径聚合网络并预测生成目标物，目标物进行采样并通过残差网络提取图像特征获得三维张量和垂直条，垂直条进行平均池化生成预测图像，预测图像进行张量重构再识别处理的到上下文信息片段，利用合成和元素级乘积和加权平均获得上下文特征，上下文特征进行平均池化与最小化交叉熵损失处理获得预测结果。张量重构提取更为高阶特征信息的特征图，用于预测得出鲁棒性更强、精度更高的再识别预测结果。

主权项：1.一种结合局部感知和高阶特征重构的水下目标重识别方法，其特征在于，包括以下步骤：步骤1、采集水下机器人途经区域的图像；步骤2、利用YOLOv4目标检测算法模型的跨阶段网络对采集的图像进行水下目标特征处理，获得水下目标特征图；步骤3、使用Mish激活函数对水下目标特征图进行映射处理，获得目标特征结果图；步骤4、通过目标检测算法对目标特征结果图进行空间金字塔池化操作，并将池化结果进行字符串连接，进而分离出具有特征矩阵的特征图；步骤5、将所述具有特征矩阵的特征图输入路径聚合网络进行特征融合，获得融合特征图；步骤6、将所述融合特征图输入预测网络，设置锚框，使用聚类算法对锚框进行预测生成预测框，所述预测框包括网络输出图像，其用于检测不同尺度的目标物；步骤7、将所述网络输出图像进行分批采样后，通过残差网络提取网络输出图像的特征获得三维张量T，步骤8、对三维张量T进行平均池化使三维张量T划分为p个垂直条即分块再识别处理，并利用三维张量T的矩阵通道轴获得p个垂直条的激活向量并定义为列向量；步骤9、将所述列向量输入到分类器中进行预测处理获得预测图像；步骤10、使用残差网络对预测图像进行张量重构再识别处理，并提取张量重构再识别处理后的预测图像的矩阵特征，利用所述矩阵特征从通道、宽度和高度三个角度进行特征生成，获得上下文信息片段；步骤11、重复步骤10，将获得的上下文信息片段进行合成处理，获得代表三维上下文特征的上下文注意图；利用元素级乘积和加权平均将上下文注意图进行激活和聚合，从而获得空间和通道维度上的细粒度上下文特征；步骤12、将所述细粒度上下文特征图经过全局平均池化层进行全局平均池化获得目标特征图；将所述目标特征图与列向量进行连接并使用最小化交叉熵损失对其连接结果进行优化获得联合优化特征图，对联合优化特征图进行预测处理从而获得预测结果。

全文数据：

权利要求：

百度查询： 大连海事大学 一种结合局部感知和高阶特征重构的水下目标重识别方法