边缘端水下目标智能识别模型训练方法、装置及识别方法与流程

技术特征：

1.一种边缘端水下目标智能识别模型训练方法，其特征在于，所述边缘端水下目标智能识别模型训练方法包括：

2.如权利要求1所述的边缘端水下目标智能识别模型训练方法，其特征在于，所述生成语音训练测试集包括：

3.如权利要求2所述的边缘端水下目标智能识别模型训练方法，其特征在于，所述对第一数据集进行扩充，从而获取第二数据集包括：

4.如权利要求3所述的边缘端水下目标智能识别模型训练方法，其特征在于，所述对所述初始水下目标智能识别模型进行权重优化、剪枝优化中的一个或多个优化，从而获取经过优化的初始水下目标智能识别模型包括：

5.如权利要求4所述的边缘端水下目标智能识别模型训练方法，其特征在于，所述对所述初始水下目标智能识别模型进行权重优化、剪枝优化中的一个或多个优化，从而获取经过优化的初始水下目标智能识别模型包括：

6.一种边缘端水下目标智能识别模型训练装置，其特征在于，所述边缘端水下目标智能识别模型训练装置包括：

7.一种边缘端水下目标智能识别方法，其特征在于，所述边缘端水下目标智能识别方法包括：

8.一种船用水下目标智能识别方法，其特征在于，所述船用水下目标智能识别方法包括：

9.如权利要求8所述的船用水下目标智能识别方法，其特征在于，所述船用水下目标智能识别方法进一步包括：

技术总结
本申请公开了一种边缘端水下目标智能识别模型训练方法、装置及识别方法。所述边缘端水下目标智能识别模型训练方法包括：生成语音训练测试集；获取初始水下目标智能识别模型；对所述初始水下目标智能识别模型进行权重优化、剪枝优化中的一个或多个优化，从而获取经过优化的初始水下目标智能识别模型；根据语音训练测试集对经过优化的初始水下目标智能识别模型进行训练，从而获取边缘端水下目标智能识别模型。本申请的边缘端水下目标智能识别模型训练方法针对当前神经网络参数多、计算复杂度高、终端设备部署困难等问题，构建了一种计算量小、延迟低，精度高、鲁棒性强的终端设备用边缘端水下目标智能识别模型，实现终端的轻量级快捷部署。

技术研发人员：孙娜,马猛飞,贾东宁,桂琳,刁鸣晓,李一方,姜善宸,张强强
受保护的技术使用者：青岛海洋科技中心
技术研发日：
技术公布日：2024/5/10