改进的YOLOv3水面障碍物检测方法 |
| |
引用本文: | 管延敏,汪恭志,余钱程,钟璐阳,虞嘉晨.改进的YOLOv3水面障碍物检测方法[J].船舶工程,2023(9):104-113. |
| |
作者姓名: | 管延敏 汪恭志 余钱程 钟璐阳 虞嘉晨 |
| |
作者单位: | 江苏科技大学船舶与海洋工程学院 |
| |
基金项目: | 国家重点研发计划(2022YFE0107000);;国家自然科学基金面上项目(52171259); |
| |
摘 要: | 为了提高无人艇在自主航行过程中对水面常见障碍物检测的精度,解决模型参数量较大、模型复杂难以应用于嵌入式设备的问题,提出一种改进的YOLOv3水面常见障碍物检测方法。使用K-means++算法对自建数据集进行聚类得到新的锚框参数,通过添加雨雾噪声的数据增强方法优化模型在复杂天气状况下的障碍物检测能力。针对模型参数量较大问题,使用深度可分离卷积和注意力机制模块重构特征提取网络中的残差结构。为了优化预测框的回归效果,引入SIo U损失函数,将预测框与真实框的方向角度作为损失之一,加快训练速度,提高推理的准确性。通过试验验证了改进后模型参数量缩减了44%,检测精度提高了5.19%,漏检率也有所降低,能有效进行水面障碍物的检测。
|
关 键 词: | 深度学习 目标检测 无人艇 水面障碍物 |
|
|