公开(公告)号：CN112418028A

公开(公告)日：2021-02-26

申请号：CN202011252534.5

申请日：2020-11-11

Applicant: 上海交通大学

Inventor： 张卫东 ,  肖志勇 ,  何星 ,  卢俊国 ,  王琳 ,  孙敏

IPC: G06K9/00 ,  G06K9/34 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明涉及一种基于深度学习的卫星图像中船舶识别与分割方法，该方法基于改进的Xception和改进的U‑Net网络，对海面上航行的船只进行监测，实现对于船舶的识别和图像分割，得到关于船舶的预警和图像信息，所述的方法具有以下步骤：步骤1)采集数据；步骤2)数据集增强；步骤3)标记图片；步骤4)进行卫星图像中的船舶识别；步骤5)进行船舶图像语义分割；步骤6)实时进行船舶的自动识别和监测。与现有技术相比，本发明具有可以节省人力和巡逻成本等，同时减少可能由于人为因素造成的识别错误的问题等优点。

公开(公告)号：CN112418229A

公开(公告)日：2021-02-26

申请号：CN202011210846.X

申请日：2020-11-03

Applicant: 上海交通大学

Inventor： 张卫东 ,  肖志勇 ,  李晓航 ,  徐鑫莉 ,  张各各 ,  程晓童 ,  黄宇波

IPC: G06K9/34 ,  G06N3/04

Abstract: 本发明涉及一种基于深度学习的无人船海上场景图像实时分割方法，该方法包括以下步骤：步骤1，采集海上场景图像数据，采集到的图像数据按照设定比例分为训练集、验证集和测试集，对采集到的图像标记出分割点，并对图像进行数据增强和预处理；步骤2，建立卷积神经网络；步骤3，将训练集图像输入到卷积神经网路中，对网络进行训练，通过验证集评价网络效果并进行调节参数；步骤4，将测试集输入到训练好的网络中，实现对测试集图像的分割。与现有技术相比，本发明具有在保持精度的同时大大降低了网络的参数，使网络能够在移动设备终端也可以运行，并且神经网络运行速度快，能够达到实时分割的效果等优点。