摘要
本发明提供了一种基于视觉的海工作业装备监测方法,包括:通过采集海上作业现场图像并进行预处理,利用SAM模型进行图像分割自动生成高质量目标掩码。结合用户输入的文本提示,Grounding DINO模型自动检测图像中的海工装备并生成检测框,与SAM模型的分割掩码结合,细化检测结果。在SAM自动标注数据集上微调Grounding DINO模型,提升其适应海上环境的能力,并通过循环优化过程持续提升检测性能。本发明的方法在ShipDataset数据集上表现出卓越的性能,其平均精度(Average Precision,AP)超越传统模型,尤其在海工装备检测上,显示了高鲁棒性和精确度,为海上作业安全和效率提供了强有力的技术支持。
技术关键词
识别方法
跨模态
监督学习策略
文本
标注系统
视觉
海工装备
多层卷积神经网络
海上作业平台
作业现场
动态特征提取
图像分割
解码器
无标签数据
条件随机场
特征提取网络
后处理模块
系统为您推荐了相关专利信息
自然语言
模型生成方法
状态机模型
规约方法
受限
新闻推荐方法
大语言模型
模型训练模块
智能推荐算法
网络
多模态数据融合
气象观测数据
计算机执行指令
数据融合方法
图像