共查询到20条相似文献,搜索用时 109 毫秒
1.
2.
3.
针对海面环境复杂、船舶目标检测存在检测精度不高和效率低的问题,以及船舶数据集不平衡的现象,提出一种改进YOLOv4算法的船舶目标检测方法。对图像进行预处理,增强船舶图像的有用信息,减少计算量;采用图像增强方法扩充不平衡数据集的小样本数量,提高各类船舶目标检测的准确性;采用改进的K-means++聚类方法重新设计先验锚框,使锚框和目标的边界框更加匹配;采用Softer-NMS对非极大值抑制算法进行优化,对预测框进行后处理,提升模型对密集船舶的检测能力和定位精度。通过开展多组对比试验发现,采用改进的检测算法对10类船舶目标进行识别,精确率P、召回率R和交并比(IOU)等都有很大提高,平均精确率(m AP)值达到96.78%,相比YOLOv4算法提升23.79%;检测速度达到31.2帧/秒,在显著提高检测精度的同时,能缩短检测时间,达到很好的检测效果。 相似文献
4.
准确识别海上目标对提高舰船航行安全、维护海上权益意义重大。YOLOv7作为YOLO系列算法的最新成果,在目标检测任务中拥有良好的速度和精度。但通用化的网络应用于特定场景时,由于权重过大可移植性差,优势并不明显。本文根据海上目标分布及背景特点,利用注意力机制提升网络的特征提取与特征融合能力,提出一种基于注意力融合的海上目标检测算法CS-YOLOv7s。在新加坡海上数据集中的实验结果表明,本文所提网络在少量降低准确率的同时,大幅度降低网络权重,提高检测速度,可满足海上目标实时检测任务需要。 相似文献
5.
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。 相似文献
6.
为了提高船舶目标的检测率和效率,提出了一种改进的基于区域的快速卷积神经网络(faster region-based convolutional neural network, Faster R-CNN)船舶目标检测方法。采用图像降尺度方法,旨在增强船舶图像的有用信息;采用场景窄化方法将目标区域定位网络和Faster R-CNN卷积神经网络构建成一个层级窄化网络,旨在降低目标检测搜索尺度,从而提高Faster R-CNN的计算速度;研究具有主题窄化功能的Faster R-CNN,选择纹理特征和空间差异特征作为窄化子网络,旨在实现主网与子网间深度协作的功能,优化网络参数。试验结果表明:该方法在提高Faster R-CNN算法检测精度的同时,显著地缩短了检测时间。 相似文献
7.
多变的光照条件及天气状况将会严重影响水下光学图像的成像质量,为提升水下目标检测的稳定性及检测精度,基于深度神经网络模型,对结合光学图像和声呐图形的多模态方法进行研究。首先,针对实时神经网络检测器架构YOLOv7,通过改进该检测器,使其适用于多模态输入。其次,为了有效地结合来自不同模态的影响特征,提出全新的融合模型YOLOv7-Fusion,并通过引入CE-Fusion模块,实现融合效率和准确度的提升。最后,为了解决数据集缺少的问题,利用快速风格和图像处理算法转化的方法,生成人工数据集。所设计的算法及模型目标识别准确率为0.995,具有较高检测精度;Fps为43.4,具有较高处理效率。该模型可支持真实应用,适用于不同类型的水下场景。 相似文献
8.
9.
10.
本文提出卷积神经网络的船舶遥感图像目标检测方法。采用拉普拉斯算子增强处理船舶遥感图像,使得船舶目标特征信息更加清晰;基于Snake模型分割出遥感图像中的船舶目标,通过Gabor滤波器提取船舶遥感图像目标特征向量;基于卷积神经网络搭建船舶遥感图像目标检测架构,统一化处理分支网络置信度,对卷积神经网络进行训练,获取最优权重系数;将遥感图像输入至训练好的卷积神经网络中,即可实现船舶目标的检测。实验数据显示:应用本文方法获得的F1 Score参量与IoU参量数值全部大于给定标准数值,充分证实本文方法具有较好的船舶遥感图像目标检测效果。 相似文献
11.
12.
在智能海洋船艇自主导航和避障过程中,对周边环境的感知能力非常重要。本文针对智能船艇对环境感知的速度和精度需求,提出了基于深度学习的海上目标快速检测方法,并构建了以船舶、浮标和岛屿为检测目标的海上目标数据集。本方法通过提取目标图像不同尺度特征语义信息,应用多框检测器实现对目标的分类和定位,采用非极大值抑制算法筛选最优结果,实现了海上目标快速高精度检测。实验结果表明,本方法在自建数据集上取得了83.3%的识别正确率,单帧耗时9.8ms, 在相同实验条件下,正确率和单帧耗时均优于现有同类快速目标检测方法,证明了该方法可以满足智能船艇对环境感知的速度和精度需求。 相似文献
13.
14.
15.
16.
寻找目标与环境的差异,探测目标的存在,同时降低对各类干扰的虚警,是水雷目标探测的首要任务。文章在归纳并分析舰船噪声与环境噪声的基础上,提出利用两者的频谱稳定度差异来探测舰船目标,并结合实测数据,进行了仿真,结果表明,该方法适应性强,智能化程度更高。 相似文献
17.
18.
19.