(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210509479.6 (22)申请日 2022.05.11 (71)申请人 北京科技大 学 地址 100083 北京市海淀区学院路3 0号 (72)发明人 班晓娟　韩冰　姚超　孙金胜　 (74)专利代理 机构 北京市广友专利事务所有限 责任公司 1 1237 专利代理师 张仲波 (51)Int.Cl. G06V 20/54(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06N 20/10(2019.01) (54)发明名称 一种海上 船舶目标检测方法及装置 (57)摘要 本发明公开了一种海上船舶目标检测方法 及装置， 涉及目标检测技术领域。 包括： 获取待检 测的海上船舶的图像； 将图像输入到构建好的检 测模型； 其中， 检测模型包括特征提取网络、 候选 框网络以及 目标检测 网络； 根据图像、 特征提取 网络、 候选框网络以及目标检测 网络， 得到待检 测的海上船舶的图像的检测结果。 本发明通过自 建高清的海 上船舶数据集来提升数据的质量， 以 及使用了域自适应的方法解决了训练数据集与 测试数据集 分布不平衡的问题， 提高了目标检测 的精度与模型的泛化能力。 权利要求书2页 说明书12页 附图7页 CN 114898305 A 2022.08.12 CN 114898305 A 1.一种海上 船舶目标检测方法， 其特 征在于， 所述方法包括： S1、 获取待检测的海上 船舶的图像； S2、 将所述 图像输入到构建好的检测模型； 其中， 所述检测模型包括特征提取网络、 候 选框网络以及目标检测网络； S3、 根据所述图像、 特征提取网络、 候选框网络以及目标检测网络， 得到待检测的海上 船舶的图像的检测结果。 2.根据权利要求1所述的方法， 其特 征在于， 所述S2中的检测模型的训练过程包括： S21、 获取海上船舶视频数据集； 其中， 所述海上船舶视频数据集包括有标签数据集以 及无标签数据集； S22、 将所述海上船舶视频数据集输入到所述特征提取网络， 得到海上船舶视频数据集 中图像的特征图层； 其中， 所述图像的特征图层包括有标签数据图像的特征图层以及无标 签数据图像的特 征图层； S23、 将所述特征图层输入到所述候选框网络， 对特征图层进行候选框生成， 得到候选 框内对应的局部特征图层； 其中， 所述局部特征图层包括有标签局部特征图层以及无标签 局部特征图层； S24、 将所述局部特征图层输入到所述目标检测网络， 得到海上船舶视频数据的检测结 果。 3.根据权利要求2所述的方法， 其特征在于， 所述S21中的获取海上船舶视频数据集包 括： S211、 获取海上 船舶视频 数据集； S212、 对所述海上船舶视频数据集中的部分海上船舶视频数据集进行人工标注， 得到 有标签数据集， 并将所述有标签数据集以图像形式存 储。 4.根据权利要求2所述的方法， 其特征在于， 所述S22中的将所述海上船舶视频数据集 输入到所述特 征提取网络， 得到海上 船舶视频 数据集中图像的特 征图层包括： 将所述海上船舶视频数据集输入到所述特征提取网络， 采用预设图像特征提取方法对 所述海上船舶视频数据集中的图像进 行推理计算， 得到海上船舶视频数据集中图像的浅层 特征图层和深层特 征图层。 5.根据权利要求2所述的方法， 其特征在于， 所述目标检测网络包括有标签数据目标检 测网络以及无 标签数据目标检测网络； 所述S24中的将所述局部特征图层输入到所述目标检测网络， 得到海上船舶视频数据 的检测结果包括： S241、 将所述有标签局部特征图层输入到有标签数据目标检测网络， 得到有标签数据 的检测结果； S242、 将所述无标签局部特征图层输入到无标签数据目标检测网络， 得到无标签数据 的检测结果。 6.根据权利要求5所述的方法， 其特征在于， 所述有标签数据的检测结果包括有标签数 据的分类结果以及检测框； 所述S241中的将所述有标签局部特征图层输入到有标签数据目标检测网络， 得到有标 签数据的检测结果包括：权　利　要　求　书 1/2 页 2 CN 114898305 A 2将所述有标签局部特征图层输入到分类器网络进行分类预测， 得到有标签数据的分类 结果； 对所述候选框进行回归计算， 进 而构建得到检测框 。 7.根据权利要求5所述的方法， 其特征在于， 所述S242中的将所述无标签局部特征图层 输入到无 标签数据目标检测网络， 得到无 标签数据的检测结果包括： 将所述无标签局部特征图层与有标签局部特征图层利用最大软间隔支持向量机SVM投 射到中间域； 根据有标签数据目标检测网络的判别规则以及无标签局部特征图层， 得到无标签数据 的检测结果。 8.根据权利要求7所述的方法， 其特征在于， 所述根据有标签数据目标检测网络的判别 规则以及无 标签局部特 征图层， 得到无 标签数据的检测结果包括： 根据有标签数据目标检测网络的判别规则对中间域上的无标签局部特征图层进行判 别， 得到无 标签数据的检测结果。 9.一种海上 船舶目标检测装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取待检测的海上 船舶的图像； 输入模块， 用于将所述图像输入到构建好的检测模型； 其中， 所述检测模型包括特征提 取网络、 候选 框网络以及目标检测网络； 输出模块， 用于根据所述图像、 特征提取网络、 候选框网络以及目标检测网络， 得到待 检测的海上 船舶的图像的检测结果。 10.根据权利要求9所述的装置， 其特 征在于， 输入 模块， 进一 步用于： S21、 获取海上船舶视频数据集； 其中， 所述海上船舶视频数据集包括有标签数据集以 及无标签数据集； S22、 将所述海上船舶视频数据集输入到所述特征提取网络， 得到海上船舶视频数据集 中图像的特征图层； 其中， 所述图像的特征图层包括有标签数据图像的特征图层以及无标 签数据图像的特 征图层； S23、 将所述特征图层输入到所述候选框网络， 对特征图层进行候选框生成， 得到候选 框内对应的局部特征图层； 其中， 所述局部特征图层包括有标签局部特征图层以及无标签 局部特征图层； S24、 将所述局部特征图层输入到所述目标检测网络， 得到海上船舶视频数据的检测结 果。权　利　要　求　书 2/2 页 3 CN 114898305 A 3