专利名称：基于小样本机器学习与超参数优化的水下目标检测方法      申请号：2021104420312     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：检测 水下目标检测   相似专利 发布日：2024/06/28  
摘要： 本发明提供了一种基于小样本机器学习与超参数优化的水下目标检测方法，包括：构建基于Cascade‑RCNN的小样本目标检测模型；预训练数据集；利用预训练数据集对小样本目标检测模型进行预训练，获得小样本目标检测模型的预训练权重θ′；构建待检测的目标数据集；将目标数据集划分为有标记的支持集和无标记的查询集；对目标数据集进行预处理；对小样本目标检测模型进行微调，得到最终训练完成的小样本目标检测模型；采用基于TPE的贝叶斯优化模型对训练完成的小样本目标检测模型进行超参数优化，得到优化后的小样本目标检测模型；输入预处理后的查询集至优化后的目标检测模型，得到目标检测结果。本发明实现了不依赖于大样本、可以自动调节超参数的目标检测。

专利名称：基于改进SSD和迁移学习的水下目标检测方法     申请号：2020100038150     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：改 港口 检测 水下目标检测   相似专利 发布日：2023/10/17  

专利名称：一种基于第三方迁移学习的水下目标检测方法      申请号：2020105896444     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：三 港口 检测 水下目标检测   相似专利 发布日：2023/10/17  
摘要： 本发明提出了一种基于第三方迁移学习的水下目标检测方法，其步骤为：首先，从图片数据库中获取水下图像，得到原目标域；其次，利用2D‑SPCCA对原目标域与第三方目标域进行处理，得到新的目标域；然后，利用基于特征差异自适应的集成迁移学习算法对新的目标域和源域进行处理，得到映射矩阵；再对YOLOv3网络模型进行改进后迁移到水下场景进行训练得到水下目标检测模型；最后，利用水下目标检测模型对水下图像进行检测，输出检测结果。本发明首先将第三方特征信息与原目标特征信息相结合，增加了原样本数据，提高了图像识别的准确率；再将特征分布差异自适应原理引入到多特征集成迁移学习中，减少了特征映射的时间，保证了迁移学习的精确性。