公开(公告)号：CN117197596B

公开(公告)日：2024-02-13

申请号：CN202311478720.4

申请日：2023-11-08

申请人： 自然资源部第二海洋研究所

发明人： 王明伟 ,  吴自银 ,  张凯 ,  赵荻能 ,  周洁琼 ,  尚继宏 ,  孙恺 ,  刘志豪 ,  葛骑岐 ,  刘维 ,  罗宇 ,  廖定海 ,  金涛勇

IPC分类号： G06V10/764 ,  G06V10/82 ,  G06V10/26 ,  G06V10/44 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/096

摘要： 本发明公开了一种基于小样本迁移学习的混合底质声学分类方法，包括如下步骤：按像素值大小对海底声呐图像进行分割；基于单位矩元，通过计算相邻像素点之间的距离、方向，得到反向散射强度特征及地形特征；通过分离、融合及选择等操作，自适应调整感受野尺寸；通过膨胀卷积等操作，遍历单位矩元，使用多个不同空洞率的空洞卷积核混合；迁移含有权重的卷积层，微调残差网络模型；通过实测海底底质采样数据与该区域分类结果进行验证，评估分类方法的精度及可靠性，实现对海底混合底质的自动分类。该方法能够快速实现浅海小样本海底混合底质的自动分类，高效准确，在海洋测绘及海底地(56)对比文件Mingwei Wang et al..Mixed SeabedSediment Classification Based onTransferred Convolutional Neural Network:A Case Study in the Ancient RiverValley.IEEE.2023,第61卷全文.陈佳辉,陈岚萍,夏小云等.基于迁移学习的海底底质声呐图像分类.计算机仿真.2022,第39卷(第01期),全文.

公开(公告)号：CN117197596A

公开(公告)日：2023-12-08

申请号：CN202311478720.4

申请日：2023-11-08

申请人： 自然资源部第二海洋研究所

发明人： 王明伟 ,  吴自银 ,  张凯 ,  赵荻能 ,  周洁琼 ,  尚继宏 ,  孙恺 ,  刘志豪 ,  葛骑岐 ,  刘维 ,  罗宇 ,  廖定海 ,  金涛勇

IPC分类号： G06V10/764 ,  G06V10/82 ,  G06V10/26 ,  G06V10/44 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/096

摘要： 本发明公开了一种基于小样本迁移学习的混合底质声学分类方法，包括如下步骤：按像素值大小对海底声呐图像进行分割；基于单位矩元，通过计算相邻像素点之间的距离、方向，得到反向散射强度特征及地形特征；通过分离、融合及选择等操作，自适应调整感受野尺寸；通过膨胀卷积等操作，遍历单位矩元，使用多个不同空洞率的空洞卷积核混合；迁移含有权重的卷积层，微调残差网络模型；通过实测海底底质采样数据与该区域分类结果进行验证，评估分类方法的精度及可靠性，实现对海底混合底质的自动分类。该方法能够快速实现浅海小样本海底混合底质的自动分类，高效准确，在海洋测绘及海底地貌学等方面具有实际应用价值。

公开(公告)号：CN117671469A

公开(公告)日：2024-03-08

申请号：CN202311623443.1

申请日：2023-11-30

申请人： 自然资源部第二海洋研究所

发明人： 孙恺 ,  吴自银 ,  王明伟 ,  赵荻能 ,  张凯 ,  周洁琼 ,  尚继宏 ,  刘志豪 ,  葛骑岐 ,  刘维 ,  罗宇 ,  廖定海 ,  金涛勇

IPC分类号： G06V20/05 ,  G06V20/70 ,  G06V10/72 ,  G06V10/774 ,  G06V10/25 ,  G06V10/44 ,  G06V10/58 ,  G06V10/764 ,  G06V10/766 ,  G06V10/80 ,  G06V10/82

摘要： 本发明公开了一种基于高光谱图像与机器学习的海底特小目标自动识别方法，涉及海底目标识别领域。首先，将原始高光谱遥感数据进行辐射校正、数据压缩、彩色合成、图像增强等预处理工作，得到处理后的图像数据；其次，基于预处理得到的图像数据，对图像中的海底特小目标进行标签制作，得到制作后的标签数据集；然后，对基于YOLOv5s基准网络并融合重叠度与最优传输理论的模型进行训练，得到改进模型；最后，通过将图像数据测试集输入训练好的改进模型，实现对海底特小目标的自动准确识别。该方法能够快速准确实现海底特小目标自动识别，提升了工作效率、减少了人为性。本发明在深海多金属结核识别及资源评价等方面具有实际应用价值。