(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 202211243677.9 (22)申请日 2022.10.12 (71)申请人 浙江华是 科技股份有限公司 地址 311122 浙江省杭州市余杭区闲林街 道嘉企路16号3幢1楼 (72)发明人 吴显德　温志伟　于超　邹凡　 欧阳志益 　周瑶越　曹彩霞　 (74)专利代理 机构 北京城烽知识产权代理事务 所(特殊普通 合伙) 11829 专利代理师 王新月 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/22(2022.01) G06V 10/32(2022.01) G06V 10/44(2022.01)G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) (54)发明名称 船舶目标检测模 型训练方法、 系统及计算机 存储介质 (57)摘要 本发明公开一种船舶目标检测模型训练方 法、 系统及计算机存储介质。 该方法包括： 步骤 S101， 获取原始图片集和样本图片集； 步骤S102， 从原始图片集中随机选取一张原始图片作为待 融合背景图片， 对待融合背景图片进行二值化得 到待融合背景图片的水平面坐标； 步骤S103， 从 样本图片集中随机选取一张样本图片作为待融 合船舶图片， 将待融合船舶图片中的船舶样本扣 除并对其进行数据增强得到船舶变换图片； 步骤 S104， 根据待融合背景图片的水平面坐标将船舶 变换图片融合到待融合背景图片中得到融合图 片； 对融合图片进行数据增强得到融合增强图 片； 步骤S105， 重复步骤S102、 S103、 S104得到融 合增强图片集。 该方法提高了数据的丰富度、 船 舶数据的利用率以及船舶图片的复杂度。 权利要求书3页 说明书10页 附图3页 CN 115331113 A 2022.11.11 CN 115331113 A 1.一种船舶目标检测模型训练方法， 其特 征在于， 包括： 步骤S101， 获取原始图片集和样本图片集； 每个所述原始图片包括： 背景、 原始船舶以 及原始船舶的矩形框标注信息； 每个所述样本图片包括： 船舶样本以及船舶样本的轮廓标 注信息； 步骤S102， 从所述原始图片集中随机选取一张原始图片作为待融合背景图片， 对所述 待融合背景图片进行二 值化得到所述待融合背景图片的水平面 坐标； 步骤S103， 从所述样本图片集中随机选取一张样本图片作为待融合船舶图片， 将所述 待融合船舶图片 中的船舶样本根据所述轮廓标注信息扣除并对其进行数据增强得到船舶 变换图片； 步骤S104， 根据所述待融合背景图片的水平面坐标将所述船舶变换图片融合到所述待 融合背景图片中， 得到融合图片； 对所述融合图片进行 数据增强， 得到融合增强图片； 步骤S105， 重复步骤S102， 步骤S10 3， 步骤S104， 得到融合增强图片集； 步骤S106， 将所述融合增强图片集和所述原始图片集作为训练集进行模型训练， 得到 船舶目标检测模型。 2.根据权利要求1所述的方法， 其特征在于， 所述根据所述待融合背景图片的水平面坐 标将所述船舶变换图片融合到所述待融合背景图片中， 得到融合图片包括： 步骤S1041， 在所述待融合背景图片中的水平面坐标上随机选取一个位置作为融合坐 标， 将所述船舶变换图片放置在所述融合 坐标处； 步骤S1042， 计算所述船舶变换图片和所述待融合背景图片中的原 始船舶的交并比； 步骤S1043， 当所述交并比大于等于预设阈值时， 重新选择所述融合坐标； 当所述交并 比小于所述预设阈值时， 则认为所述融合 坐标为目标融合 坐标； 步骤S1044， 将所述船舶变换图片覆盖在所述目标融合坐标处进行融合， 得到融合图 片。 3.根据权利要求2所述的方法， 其特 征在于， 所述交并比根据以下公式计算： 其中， 所述 为船舶变换图片， 所述 为船舶变换图片的外接矩形的面积， 所 述 为原始船舶， 所述 为原始船舶的外接矩形的面积， 所述 为所述船舶变 换图片和所述待融合背景图片中的原 始船舶的交并比。 4.根据权利要求2所述的方法， 其特 征在于， 在所述 步骤S1041之前包括： 当判定所述船舶变换图片的面积大于所述待融合背景图片的面积时， 重新从所述原始 图片集中随机 选取一张原 始图片作为待融合背景图片。 5.根据权利要求1所述的方法， 其特征在于， 所述将所述融合增强图片集和所述原始图 片集作为训练集进行模型训练包括： 步骤S1061， 统计所述训练集中不同船舶类别的目标数量； 根据每类船舶的目标数量计 算每类船舶的损失权 重； 步骤S1062， 根据设定限制值对所述损失权 重进行限制；权　利　要　求　书 1/3 页 2 CN 115331113 A 2步骤S1063， 根据限制后的损失权重以及每张图片的分类损失函数计算每张图片的分 类损失值。 6.根据权利要求5所述的方法， 其特征在于， 所述每类船舶的损失权重根据以下公式计 算： 其中， 所述C为船舶的种 类数量； 为训练集中第 类船舶的目标数量； B为训练集中全 部类别船舶的目标总数量； 为第 类船舶的损失权 重。 7.根据权利要求5所述的方法， 其特征在于， 所述根据设定限制值对所述损失权重进行 限制的计算公式为： 其中， 为第 类船舶的损失权 重。 8.根据权利要求5所述的方法， 其特征在于， 所述每张图片的分类损失值根据以下公式 计算： 其中， 为当前张图片 的分类损失值； 为当前张图片中船舶的第 个预测结果 的分类预测向量， 当前张图片中船舶会预测出多个预测结果； 为当前张图片中船舶的分 类真实向量， 为分类损失函数； 为当前张图片中船舶所属类别的损失权重； N为当 前张图片中船舶的所有预测结果的数量， j为当前张图片中船舶的第 个预测结果。 9.一种船舶目标检测模型训练系统， 其特 征在于， 包括： 获取单元， 用于获取原始图片集和样本 图片集； 每个所述原始图片包括： 背景、 原始船 舶以及原始船舶的矩形框标注信息； 每个所述样本图片包括： 船舶样本以及船舶样本的轮 廓标注信息； 第一选取单元， 用于从所述原始图片集中随机选取一张原始图片作为待融合背景图 片， 对所述待融合背景图片进行二 值化得到所述待融合背景图片的水平面 坐标； 第二选取单元， 用于从所述样本图片集中随机选取一张样本图片作为待融合船舶图权　利　要　求　书 2/3 页 3 CN 115331113 A 3