本申请涉及主要涉及计算机视觉领域，尤其是涉及一种基于深度学习的大象检测方法。
背景技术：
1、由于人类生存范围的不断扩大与人类活动的增加，原有生态环境下野生动植物的栖息地逐渐减小、被隔离或遭到破坏。
2、面对野象群的入侵给人类生命财产安全带来的重大安全隐患，如何做到不伤害野象群体并且能够及时监测到大象入侵以告警村民提前做好防护准备，当地政府村民深受这个问题困扰。
3、对于这个问题，传统的解决办法是，在野象出没区域拉起警戒线，使用放鞭炮和鸣放警车喇叭的方式吓唬、驱赶野象。但这种方式在面对广阔面积的野象出没区域时，显然难以为继。
4、为此需要一种智能监督方法，以实现在无人监督的情况下，及时对野象入侵人类居住环境时进行实时监测和告警。
5、目前的智能监控检测算法仍以传统目标检测算法为主，但传统目标检测方式主要存在以下缺点：第一，应用场景单一，对于复杂多样的野象出没区域入侵场景没有很好的鲁棒性；第二，检测准确率低，已有公开图像数据集含大象标签的数据较少，导致无法训练高准确率的算法模型；第三，模型迭代周期长，利用全人工自行搜集及标注大象图像数据集的方式效率低、耗时长，导致模型迭代时间花费时间长；第四，检测速度慢，传统检测方式在检测时间上很难达成实时检测的效果，容易造成监控画面卡顿与报警延迟；第五，占用内存大，传统检测算法训练出的模型较大，占用大量的内存。
6、因此，本领域中急需一种能够适应不同的复杂环境并且具有检测效果好、检测效率高并且占用内存小的基于深度学习的大象检测方法。
技术实现思路
1、以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在标识出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以作为稍后给出的更加详细的描述之序。
2、针对上述问题，为了解决现有复杂多样的野象出没区域入侵场景带来的技术挑战和现有技术局限，本申请提出了一种新颖的解决方案，其能够提供一种适用于不同复杂环境、检测效果佳、响应速度快、占用内存小的基于深度学习的大象检测方法。
3、本申请的方案主要包括数据增强、目标检测、半自动标注、目标检测以及算法优化四个部分。
4、具体来说，本申请公开了一种基于深度学习的大象检测方法，该方法包括以下步骤：搜集大象相关数据集并进行数据合成；基于yolov5网络的目标检测算法进行大象的目标检测；基于yolov5网络对检测到的自研图像数据进行半自动标注；以及基于现有算力对该目标检测算法进行优化并输出检测结果。
5、根据本申请的优选实施例，该大象相关数据集包括：第一数据集，包括：大象标签、大象位置信息和mask掩膜信息；以及第二数据集，包括所需场景的背景图像，包括白天、黄昏、夜晚、野外、动物园、村庄、陆地、水中、有人、无人、有其他动物、无其他动物。
6、根据本申请的优选实施例，该数据合成包括：利用copy-paste数据增强方法对该第一数据集和该第二数据集进行数据合成以获得经数据增强的第三数据集。
7、根据本申请的优选实施例，对检测到的自研图像数据进行半自动标注包括：对该第一数据集和和该第三数据集进行训练以获取初步模型权重；基于该初步模型权重对该自研数据进行自动标注；借助于图像标注辅助工具对该自动标注的结果进行人为干预纠正以获得第四数据集；对该第一数据集、该第三数据集、以及该第四数据集进行训练以更新模型权重；以及通过循环迭代获取最优模型权重。
8、根据本申请的优选实施例，该copy-paste数据增强方法包括混合粘贴和大尺度抖动。
9、根据本申请的优选实施例，该图像标注辅助工具包括labelgo标注工具。
10、根据本申请的优选实施例，该第一数据集来自开源数据集。
11、根据本申请的优选实施例，对该目标检测算法进行优化包括通过利用openvino框架或利用tensorrt进行算法的加速部署。
12、为能达成前述及相关目的，这一个或多个方面包括在下文中充分描述并在所附权利要求中特别指出的特征。以下描述和附图详细阐述了这一个或多个方面的某些解说性特征。但是，这些特征仅仅是指示了可采用各种方面的原理的各种方式中的若干种，并且本描述旨在涵盖所有此类方面及其等效方案。
1.一种基于深度学习的大象检测方法，其特征在于，所述方法包括以下步骤：
2.如权利要求1所述的方法，其特征在于，所述大象相关数据集包括：
3.如权利要求2所述的方法，其特征在于，所述数据合成包括：
4.如权利要求3所述的方法，其特征在于，对检测到的自研图像数据进行半自动标注包括：
5.如权利要求3所述的方法，其特征在于，所述copy-paste数据增强方法包括混合粘贴和大尺度抖动。
6.如权利要求4所述的方法，其特征在于，所述图像标注辅助工具包括labelgo标注工具。
7.如权利要求2所述的方法，其特征在于，所述第一数据集来自开源数据集。
8.如权利要求所述的方法，其特征在于，对所述目标检测算法进行优化包括通过利用openvino框架或利用tensorrt进行算法的加速部署。
