申请/专利权人：大连海洋大学

申请日：2024-04-17

公开（公告）日：2024-06-28

公开（公告）号：CN118262228A

主分类号：G06V20/05

分类号：G06V20/05;G06V10/774;G06V20/40;G06V10/80;G06V10/82

优先权：

专利状态码：在审-公开

法律状态：2024.06.28#公开

摘要：本发明属于鱼类目标识别技术领域，提出一种基于自适应选择光流的水下鲁棒视频中鱼类目标分割方法，包括获取鱼类水下数据集，并将光流数据抽取出来；对视频帧和光流数据进行特征提取，并进行全局的质量评估和融合，得到多个层级的融合特征；对最高层的融合特征进行多尺度特征提取，在coarse‑to‑fine的解码器结构里设计嵌入了多维注意力模块，使用粗略定位图作为引导，得到解码器特征，并输出鲁棒水下鱼类分割模型；通过多输出选择性融合方法和鲁棒水下鱼类分割模型并融合得到预测结果；进行交叉熵损失计算和训练，得到鱼类目标分割系统；将待进行鱼类目标分割的鱼类水下视频输入鱼类目标分割系统中，得到鱼类目标分割结果。本发明能够得到更精准的分割结果。

主权项：1.一种基于自适应选择光流的水下鲁棒视频中鱼类目标分割方法，其特征在于，包括如下步骤：S1.获取鱼类水下数据集，并将所述鱼类水下数据集中视频帧对应的光流数据抽取出来；S2.通过编码器对步骤S1中得到的所述视频帧和光流数据进行特征提取，得到视觉特征和运动特征，同时对所述视觉特征和运动特征进行全局的质量评估，并基于质量评估结果对所述视觉特征和运动特征进行融合，得到多个层级的融合特征；S3.通过DenseAspp对步骤S2中得到的最高层的融合特征进行多尺度特征提取，得到粗略定位图，在coarse-to-fine的解码器结构里设计嵌入了多维注意力模块后，使用粗略定位图作为引导，分别从空间感知、通道分离与边缘细节恢复三个维度进行逐渐段的上采样恢复，使用前一阶段输出对后一阶段解码器特征进行全局与局部的引导，得到解码器特征，并输出鲁棒水下鱼类分割模型；S4.通过多输出选择性融合方法和步骤S3中得到的鲁棒水下鱼类分割模型得到视觉预测结果、运动预测结果和融合预测结果，融合所述视觉预测结果、运动预测结果和融合预测结果，得到预测结果；S5.通过交叉熵损失函数将每个解码器阶段得到的预测结果与真实值进行交叉熵损失计算和训练，得到鱼类目标分割系统；S6.将待进行鱼类目标分割的鱼类水下视频输入步骤S5中得到的鱼类目标分割系统中，得到鱼类目标分割结果。

全文数据：

权利要求：

百度查询： 大连海洋大学 一种基于自适应选择光流的水下鲁棒视频中鱼类目标分割方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD