← 返回列表
基于深度学习的海岸带垃圾富集区的垃圾识别方法及系统
摘要文本
本发明涉及图像处理技术领域，公开了基于深度学习的海岸带垃圾富集区的垃圾识别方法及系统，方法包括：获取海岸带垃圾富集区的原始图像并进行预处理，分为N个尺度不同的数据集；将改进Swin Transformer层作为Mask2Former网络模型的骨干层，建立改进Mask2Former网络模型；使用N个尺度不同的数据集对改进Mask2Former网络模型进行训练；将待测图像输入训练好的改进Mask2Former网络模型进行垃圾识别。可以通过不同尺度的特征提取窗口适应不同像素大小的目标，避免浪费计算量和过拟合，提高了网络模型的感受野和分割精度，从而提高垃圾识别精度。
申请人信息
- 申请人:交通运输部天津水运工程科学研究所
- 申请人地址:300456 天津市滨海新区塘沽区新港二号路37号
- 发明人: 交通运输部天津水运工程科学研究所
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于深度学习的海岸带垃圾富集区的垃圾识别方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410195184.5 |
| 申请日 | 2024/2/22 |
| 公告号 | CN117765482A |
| 公开日 | 2024/3/26 |
| IPC主分类号 | G06V20/52 |
| 权利人 | 交通运输部天津水运工程科学研究所 |
| 发明人 | 于迅; 彭士涛; 胡健波; 何建斐 |
| 地址 | 天津市滨海新区塘沽区新港二号路37号 |
专利主权项内容
1.基于深度学习的海岸带垃圾富集区的垃圾识别方法，其特征在于，包括如下步骤：S1、获取海岸带垃圾富集区的原始图像；S2、对所述原始图像进行预处理，并将预处理后的原始图像分为N个尺度不同的数据集；S3、以Mask2Former网络模型为基础，将改进Swin Transformer层作为Mask2Former网络模型的骨干层，建立改进Mask2Former网络模型；其中，所述改进Swin Transformer层包括M种尺度不同的特征提取窗口，且M=N；S4、利用所述N个尺度不同的数据集对所述改进Mask2Former网络模型进行训练，得到训练好的改进Mask2Former网络模型；S5、将待测图像输入训练好的改进Mask2Former网络模型进行垃圾识别。