返回列表 发布新帖

雾环境下的船舶目标检测研究

30 0
admin 发表于 2024-12-14 02:27 | 查看全部 阅读模式

文档名:雾环境下的船舶目标检测研究
摘要:针对船舶在雾环境中因能见度不良易发生碰撞、船舶识别困难和检测精准度较低等问题:首先构建出雾环境下的船舶目标检测数据集;接着在YOLOv5基础上进行改进,在原网络结构基础上,为使深度可分离卷积更接近可分离卷积,使用GSConv模块替换Head部分CBS模块,以提高模型精准度,并引入Slim-Neck范式,进一步提高模型平均精准度,降低模型的计算量.同时,采用多项式损失函数替换原二元交叉熵损失函数,以提高模型的精准度,并引入SIoULoss消除真实框与预测框方向问题的缺陷,以提高训练速度和推理准确性.实验结果表明,模型在mAP0.5指标上达到95.7%,相较于基础YOLOv5模型,改进后的船舶目标检测模型mAP0.5提高0.9%、mAP0.95提高0.9%,同时FLOPs也降低2.1G.这一结果表明,雾环境下的船舶目标检测模型具有更优的精准度和更轻量的模型结构,在提高雾环境下船舶检测的精准度和效率方面具有很好的应用前景.

Abstract:Toeffectivelyavoidshipcollisionsandovercomedifficultyinshipidentification,andlowdetectionaccuracyinfoggyenvironments,thispaperfirstbuildsadatasetforshipdetectioninfoggyenvironments.Then,improvementsaremadeontheYOLOv5model.Specifically,theGSConvmoduleisemployedtoreplacetheCBSmoduleintheHeadsectiontomakethedepthseparableconvolutionclosertotheseparableconvolution,improvingmodelaccuracy.TheSlim-Neckparadigmisintroducedtofurtherboostthemodel'saverageaccuracyandreducecomputationalcomplexity.Additionally,thebinarycross-entropylossfunctionisreplacedwithapolynomiallossfunctiontoenhancethemodel'saccuracy.TheSIoULossisintroducedtoaddressthedeficiencyindirectionbetweentherealboxandpredictedbox,therebyimprovingtrainingspeedandinferenceaccuracy.Ourexperimentalresultsshowthemodelreaches95.7%inmAP0.5score,0.9%higherthanthatofthebaselineYOLOv5modelwhiletheFLOPsisdownby2.1G.Ourstudydemonstratesthefog-basedshipdetectionmodelachievesabetteraccuracyandhasalightermodelstructureandthusithasgreatpotentialsforapplicationinimprovingtheaccuracyandefficiencyofshipdetectioninfoggyenvironments.

作者:肖晶晶  樊博彦  杨雨婷Author:XIAOJingjing  FANBoyan  YANGYuting
作者单位:厦门理工学院计算机与信息工程学院,福建厦门361024
刊名:重庆理工大学学报 PKU
Journal:JournalofChongqingInstituteofTechnology
年,卷(期):2024, 38(5)
分类号:TP391
关键词:深度学习  目标检测  智能船舶  雾环境  
Keywords:deeplearning  objectdetection  smartships  foggyenvironments  
机标分类号:TP391U675.53O212.1
在线出版日期:2024年5月24日
基金项目:厦门市重大项目雾环境下的船舶目标检测研究[
期刊论文]  重庆理工大学学报--2024, 38(5)肖晶晶  樊博彦  杨雨婷针对船舶在雾环境中因能见度不良易发生碰撞、船舶识别困难和检测精准度较低等问题:首先构建出雾环境下的船舶目标检测数据集;接着在YOLOv5基础上进行改进,在原网络结构基础上,为使深度可分离卷积更接近可分离卷积,使用G...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文

        雾环境下的船舶目标检测研究  Research on ship object detection in foggy environments

雾环境下的船舶目标检测研究.pdf
2024-12-14 02:27 上传
文件大小:
1.82 MB
下载次数:
60
高速下载
【温馨提示】 您好!以下是下载说明,请您仔细阅读:
1、推荐使用360安全浏览器访问本站,选择您所需的PDF文档,点击页面下方“本地下载”按钮。
2、耐心等待两秒钟,系统将自动开始下载,本站文件均为高速下载。
3、下载完成后,请查看您浏览器的下载文件夹,找到对应的PDF文件。
4、使用PDF阅读器打开文档,开始阅读学习。
5、使用过程中遇到问题,请联系QQ客服。

本站提供的所有PDF文档、软件、资料等均为网友上传或网络收集,仅供学习和研究使用,不得用于任何商业用途。
本站尊重知识产权,若本站内容侵犯了您的权益,请及时通知我们,我们将尽快予以删除。
  • 手机访问
    微信扫一扫
  • 联系QQ客服
    QQ扫一扫
2022-2025 新资汇 - 参考资料免费下载网站 最近更新浙ICP备2024084428号-1
关灯 返回顶部
快速回复 返回顶部 返回列表