一种基于单阶段深度学习网络的海底生物识别和检测方法

摘要

本发明公开了一种基于单阶段深度学习网络的海底生物识别和检测方法，包含以下的步骤：基于卷积神经网络的海底生物特征提取；采用GIoU策略计算真值框和预测框的回归误差；基于K‑means算法的维度聚类。本发明利用基于卷积神经网络方法实现海底生物有效特征的提取，有效抑制背景噪声对于海底生物的干扰，同时突显海底生物的特征，有利于提高海底生物检测和识别的精度。本发明借助GIoU的方法，预测框和真值框之间的回归误差可以被精确的计算，从而整个检测系统的卷积权重可以被充分优化。本发明借助于K‑means聚类算法，获取海底生物外形尺寸的先验信息能够更加贴合海底生物的实际特性，有效降低海底生物的误检率。