一种水下鱼类目标检测方法及装置

技术特征：
1.一种水下鱼类目标检测方法，其特征在于，包括：获取水下鱼类图像和目标检测主干网络；所述目标检测主干网络包括：视觉自注意力路径、卷积神经网络路径和特征融合模块；将所述水下鱼类图像输入至所述目标检测主干网络中得到融合特征；将所述融合特征输入至目标检测网络模型得到目标检测结果；所述目标检测结果包括：目标分类信息和目标位置信息；所述目标检测网络模型通过带有标注信息的水下鱼类图像数据集训练得到。2.根据权利要求1所述的水下鱼类目标检测方法，其特征在于，所述将所述水下鱼类图像输入至所述目标检测主干网络中得到融合特征，具体包括：将所述水下鱼类图像输入所述视觉自注意力路径得到全局相关性特征；将所述水下鱼类图像输入所述卷积神经网络路径得到局部相关性特征；融合所述全局相关性特征和所述局部相关性特征得到融合特征；所述融合特征包括：第一输出特征、第二输出特征、第三输出特征和第四输出特征。3.根据权利要求2所述的水下鱼类目标检测方法，其特征在于，所述特征融合模块包括：第一特征融合子模块、第二特征融合子模块、第三特征融合子模块和第四特征融合子模块；所述视觉自注意力路径和所述卷积神经网络路径均包括四个特征提取模块；所述水下鱼类图像分别输入所述视觉自注意力路径的第一个特征提取模块和所述卷积神经网络路径的第一个特征提取模块，所述视觉自注意力路径的第一个特征提取模块的输出特征与所述卷积神经网络路径的第一个特征提取模块的输出特征经所述第一特征融合子模块融合后，得到第一输出特征；将所述第一输出特征输入至所述目标检测网络模型；将所述第一输出特征分别输入所述视觉自注意力路径的第二个特征提取模块和所述卷积神经网络路径的第二个特征提取模块，所述视觉自注意力路径的第二个特征提取模块的输出特征与所述卷积神经网络路径的第二个特征提取模块的输出特征经所述第二特征融合子模块融合后，得到第二输出特征；将所述第二输出特征输入至所述目标检测网络模型；将所述第二输出特征分别输入所述视觉自注意力路径的第三个特征提取模块和所述卷积神经网络路径的第三个特征提取模块，所述视觉自注意力路径的第三个特征提取模块的输出特征与所述卷积神经网络路径的第三个特征提取模块的输出特征经所述第三特征融合子模块融合后，得到第三输出特征；将所述第三输出特征输入至所述目标检测网络模型；将所述第三输出特征分别输入所述视觉自注意力路径的第四个特征提取模块和所述卷积神经网络路径的第四个特征提取模块，所述视觉自注意力路径的第四个特征提取模块的输出特征与所述卷积神经网络路径的第四个特征提取模块的输出特征经所述第四特征融合子模块融合后，得到第四输出特征；将所述第四输出特征输入至所述目标检测网络模型。4.根据权利要求3所述的水下鱼类目标检测方法，其特征在于，所述将所述融合特征输入至目标检测网络模型得到目标检测结果，具体包括：将所述第一输出特征、所述第二输出特征、所述第三输出特征和所述第四输出特征输入至所述目标检测网络模型的颈部组件进行特征融合，得到第五输出特征；所述第五输出
特征包括：第一特征图、第二特征图、第三特征图和第四特征图；将所述第一输出特征、所述第二输出特征、所述第三输出特征、所述第四输出特征和所述第五输出特征均输入至所述目标检测网络模型的区域提议网络组件进行候选框筛选，得到候选区域特征层；将所述候选区域特征层输入至所述目标检测网络模型的多级检测器中得到目标检测结果。5.根据权利要求4所述的水下鱼类目标检测方法，其特征在于，所述将所述第一输出特征、所述第二输出特征、所述第三输出特征和所述第四输出特征输入至所述目标检测网络模型的颈部组件进行特征融合，得到第五输出特征，具体包括：所述第一输出特征、所述第二输出特征、所述第三输出特征和所述第四输出特征输入至所述目标检测网络模型的颈部组件中，经特征内容感知重组上采样、最大池化层、卷积层、归一化层后得到第一特征图、第二特征图、第三特征图和第四特征图。6.根据权利要求1所述的水下鱼类目标检测方法，其特征在于，采用带有标注信息的水下鱼类图像数据集训练所述目标检测网络模型时，设置网络训练过程中的超参数，以标注信息为真实值和网络训练过程中的预测值进行损失计算。7.根据权利要求6所述的水下鱼类目标检测方法，其特征在于，采用带有标注信息的水下鱼类图像数据集训练所述目标检测网络模型时，设置网络训练过程中的超参数，以标注信息为真实值和网络训练过程中的预测值进行损失计算，使用跷板损失分类损失对模型进行训练。8.根据权利要求1所述的水下鱼类目标检测方法，其特征在于，采用带有标注信息的水下鱼类图像数据集训练所述时，设置网络训练过程中的超参数，使用多尺度训练策略对所述目标检测网络模型进行训练。9.一种水下鱼类目标检测装置，其特征在于，包括：图像采集模块，用于获取水下鱼类图像；图像处理模块，与所述图像采集模块连接，植入有实施如权利要求1-8任意一项所述的水下鱼类目标检测方法的计算机执行程序，用于基于所述水下鱼类图像得到目标检测结果。10.一种电子设备，其特征在于，包括：处理器、通信接口、存储器和通信总线；所述处理器、所述通信接口和所述存储器通过通信总线完成相互间的通信；所述处理器用于调用所述存储器中存储的逻辑指令，以执行如权利要求1-8任意一项所述的水下鱼类目标检测方法。

技术总结
本发明涉及一种水下鱼类目标检测方法和装置。所述水下鱼类目标检测方法通过采用目标检测主干网络，能够有效的提取并融合输入的水下鱼类图像全局相关性特征和局部相关性特征，增强了特征提取和复用能力，并且，通过采用目标检测网络模型，基于目标检测主干网络得到的融合特征得到包含目标分类信息和目标位置信息的目标检测结果，能够显著提高目标检测的精度。度。度。


技术研发人员：刘金存 刘杨 安冬 位耀光 李道亮
受保护的技术使用者：中国农业大学
技术研发日：2022.08.18
技术公布日：2022/11/8