-
公开(公告)号:CN117635436A
公开(公告)日:2024-03-01
申请号:CN202311090554.0
申请日:2023-08-28
Applicant: 北京工业大学
IPC: G06T5/00 , G06T5/50 , G06V20/70 , G06V10/82 , G06V10/774 , G06V10/80 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/0895 , G06N3/094
Abstract: 本发明公开了一种浑浊水域鱼类采集图像增强方法,该方法是一种基于循环迭代结构的自监督cycleGAN增强模型。分别从无监督方法以及cycleGAN模型在浑浊水下数据、水池数据上验证了无监督方法和cycleGAN模型的可行性,随后引入循环迭代结构,构建自监督的增强模型。通过训练方式使得cycleGAN模型能够以一种自监督的方式训练,克服浑浊水下鱼类数据集缺少标注数据的难点,通过不断地循环迭代,模型依然能够输出满意的增强结果。
-
公开(公告)号:CN116823632A
公开(公告)日:2023-09-29
申请号:CN202310047805.0
申请日:2023-01-31
Applicant: 北京工业大学
Abstract: 本发明公开了一种浑浊水下鱼类数据集采集及构建方法,在真实场景中采集的水下湖库数据时,通过带有摄像头的水下机器人,潜入湖中采集得到若干的水下多个片段的视频数据。按照2秒时间间隔对水下视频数据进行切帧,即每2隔秒时间从获取的视频数据中获取一帧图像数据。随后人工过滤掉截取帧图像数据中不含鱼类的数据,最终得到1000张真实场景下包含鱼类的水下浑浊图像数据。本方法根据样本与标签之间的关联性强弱,分别设计了湖库场景,水池场景以及实验室场景的数据采集方案。综上,提供了三种标签关联性不同的水下数据集,为测试水下增强模型的可用性、模型的迁移训练,以及在真实场景中模型的训练、验证提供了数据支持。
-