本发明涉及计算机视觉，具体而言，涉及一种基于注意力模块的船舶目标检测方法。
背景技术：
1、船舶作为人类开发海洋和利用海洋的工具，在海洋运输中发挥着不可替代的作用。船舶目标检测是海防监控系统中的重要组成部分，快速准确地检测和识别各类船舶目标对监测海运交通、维护海洋权益和提高海洋预警能力等方面有着重要的意义。船舶目标检测是船舶行为异常预警、船舶目标跟踪等的前提，在军事和民用领域都有着广袤的应用场景。虽然当前阶段船舶目标检测已经取得了一些成果，但是仍需大量工作来提升船舶目标检测的效果。例如，当前的很多船舶目标检测器容易将似船目标（常见的如浮球、航标、灯塔等）误检为船舶目标。
2、有鉴于此，本发明提出了一种基于注意力模块的船舶目标检测方法，以提升对船舶目标检测的性能。
技术实现思路
1、本发明的目的在于提供一种基于注意力模块的船舶目标检测方法，包括：获取船舶可见光视频；从所述船舶可见光视频中选取多张原始图片；对所述原始图片进行筛选，得到多张用于构建数据集的样本图片；对所述样本图片进行标注，得到数据集；所述数据集包括所述样本图片及其对应的标签；对所述数据集进行划分，得到训练集、验证集和测试集；构建初始船舶目标检测模型；所述初始船舶目标检测模型为嵌入有注意力模块的目标检测模型；通过所述训练集、所述验证集和所述测试集对所述初始船舶目标检测模型进行训练、验证和测试，得到训练好的船舶目标检测模型；将待检测图片输入所述船舶目标检测模型，所述船舶目标检测模型输出所述待检测图片中的船舶目标或似船目标的目标类别及其目标框。
2、进一步的，所述船舶可见光视频包括多种天气状况和多种类型的目标；所述多种类型的目标包括船舶目标和似船目标。
3、进一步的，所述船舶目标包括杂货船、散货船、客船、工程船和渔船；所述似船目标包括浮球、航标和其他。
4、进一步的，基于目标的类型、目标的大小、视场的大小和成像的清晰度对所述原始图像进行筛选。
5、进一步的，所述样本图片的标签包括所述样本图片中船舶目标或似船目标的目标类别和目标框的坐标。
6、进一步的，所述训练集、所述验证集和所述测试集的比例为7：2：1。
7、进一步的，所述初始船舶目标检测模型包括input网络、backbone网络、neck网络和head网络；所述input网络用于对输入数据进行数据预处理和数据增强；所述backbone网络用于对所述样本图片进行特征提取，得到多个维度尺寸的第一特征图；所述backbone网络中设置有注意力模块；将所述第一特征图输入所述neck网络，所述neck网络对所述第一特征图进行处理，得到多个维度尺寸的第二特征图；将所述第二特征图输入所述head网络，所述head网络对所述第二特征图进行处理，得到目标类别和目标检测框。
8、进一步的，所述backbone网络包括多个卷积模块、多个注意力模块和池化模块；所述注意力模块设置在所述卷积模块之间以及所述池化模块的输出端。
9、进一步的，所述卷积模块包括第一卷积模块、第二卷积模块、第三卷积模块；所述注意力模块包括第一注意力模块、第二注意力模块和第三注意力模块；所述第一卷积模块对输入的图片进行处理，得到第一主干特征图；所述第一注意力模块对所述第一主干特征图进行处理，得到第一注意力特征图；所述第二卷积模块对所述第一注意力特征图进行处理，得到第一尺寸的第一特征图；所述第二注意力模块对所述第一尺寸的第一特征图进行处理，得到第二注意力特征图；所述第三卷积模块对所述第二注意力特征图进行处理，得到第二尺寸的第一特征图；所述池化模块对所述第二尺寸的第一特征图进行处理，得到池化图；所述第三注意力模块对所述池化图进行处理，得到第三尺寸的第一特征图。
10、进一步的，所述第一尺寸的第一特征图的尺寸为128x80x80；所述第二尺寸的第一特征图的尺寸为256x40x40；所述第三尺寸的第一特征图的尺寸为512x20x20。
11、本发明实施例的技术方案至少具有如下优点和有益效果：
12、本申请通过在构建船舶目标检测数据集时，在采集并标注大量船舶类目标的同时，采集并标注大量的似船目标，让检测模型充分学习船舶类目标和似船目标的细节信息，使检测模型能进行更细粒度的检测，减少了船舶类目标的错检，提升了模型船舶目标检测的准确性。
13、本申请基于注意力模块（例如，cbam）改进的目标检测模型（例如，yolov8s）提升了模型的船舶目标检测能力和检测精确度。
14、通过在所述卷积模块之间以及所述池化模块的输出端设置注意力模块，进一步提升了模型的检测精度。
1.一种基于注意力模块的船舶目标检测方法，其特征在于，包括：
2.根据权利要求1所述的基于注意力模块的船舶目标检测方法，其特征在于，所述船舶可见光视频包括多种天气状况和多种类型的目标；所述多种类型的目标包括船舶目标和似船目标。
3.根据权利要求2所述的基于注意力模块的船舶目标检测方法，其特征在于，所述船舶目标包括杂货船、散货船、客船、工程船和渔船；所述似船目标包括浮球、航标和其他。
4.根据权利要求1所述的基于注意力模块的船舶目标检测方法，其特征在于，基于目标的类型、目标的大小、视场的大小和成像的清晰度对所述原始图像进行筛选。
5.根据权利要求1所述的基于注意力模块的船舶目标检测方法，其特征在于，所述样本图片的标签包括所述样本图片中存在的船舶目标或似船目标的目标类别和目标框的坐标。
6.根据权利要求1所述的基于注意力模块的船舶目标检测方法，其特征在于，所述训练集、所述验证集和所述测试集的比例为7：2：1。
7.根据权利要求1所述的基于注意力模块的船舶目标检测方法，其特征在于，所述初始船舶目标检测模型包括input网络、backbone网络、neck网络和head网络；
8.根据权利要求7所述的基于注意力模块的船舶目标检测方法，其特征在于，所述backbone网络包括多个卷积模块、多个注意力模块和池化模块；所述注意力模块设置在所述卷积模块之间以及所述池化模块的输出端。
9.根据权利要求8所述的基于注意力模块的船舶目标检测方法，其特征在于，所述卷积模块包括第一卷积模块、第二卷积模块、第三卷积模块；所述注意力模块包括第一注意力模块、第二注意力模块和第三注意力模块；
10.根据权利要求9所述的基于注意力模块的船舶目标检测方法，其特征在于，所述第一尺寸的第一特征图的尺寸为128x80x80；所述第二尺寸的第一特征图的尺寸为256x40x40；所述第三尺寸的第一特征图的尺寸为512x20x20。
