上海航天电子技术研究所
纸质出版:2023
移动端阅览
吴维林, 方健, 屈毅, 等. 复杂场景下基于改进YOLOv4的小型舰船目标检测[J]. 传感器与微系统, 2023,(12):119-122.
吴维林, 方健, 屈毅, 等. 复杂场景下基于改进YOLOv4的小型舰船目标检测[J]. 传感器与微系统, 2023,(12):119-122. DOI: 10.13873/J.1000-9787(2023)12-0119-04.
针对日益复杂的海洋环境对舰船目标检测更高识别率、实时性、智能化的需求,提出了一种基于改进YOLOv4的舰船目标检测算法。算法将新设计的多层特征融合(MFF)模块和多层接收域块(M-RFB)模块集成到YOLOv4的颈部,改进了网络特征提取的能力,解决了海洋环境中小型舰船的检测和分类问题,模型训练过程中引入迁移学习的策略防止模型过拟合并加速模型训练的参数。实验结果表明:该算法能有效解决小型舰船在复杂海洋环境下检测困难、识别率低的问题。与现有算法相比,该算法能够在复杂的海洋导航条件下获得更高的精度,特别是与YOLOv4相比,准确率提高了约11%。
基于改进Faster R-CNN的近红外夜间行人检测方法[J]. 胡均平;孙希.传感器与微系统,2021(08)
基于YOLO的轨道扣件状态检测[J]. 王兵水;郑树彬;柴晓冬;李立明.传感器与微系统,2021(04)
基于深度学习的目标检测算法综述[J]. 吴雪;宋晓茹;高嵩;陈超波.传感器与微系统,2021(02)
基于改进Mask R-CNN的泳池溺水行为检测系统设计[J]. 彭婷;沈精虎;乔羽.传感器与微系统,2021(01)
基于改进SSD的航拍城市道路车辆检测方法[J]. 宋世奇;李旭;祝雪芬;杨峰;武文翀;吴琳琦.传感器与微系统,2021(01)
一种基于深层次多尺度特征融合CNN的SAR图像舰船目标检测算法[J]. 杨龙;苏娟;黄华;李响.光学学报,2020(02)
基于改进R-FCN的遥感图像舰船检测[J]. 王健林;吕晓琪;张明;李菁.激光与光电子学进展,2019(16)
Research on Airplane and Ship Detection of Aerial Remote Sensing Images Based on Convolutional Neural Network[J]. Cao Changqing;Wu Jin;Zeng Xiaodong;Feng Zhejun;Wang Ting;Yan Xu;Wu Zengyan;Wu Qifan;Huang Ziqiang.Sensors,2020
Saliency-Aware Convolution Neural Network for Ship Detection in Surveillance Video[J]. Zhenfeng Shao;Linggang Wang;Zhongyuan Wang;Wan Du;Wenjing Wu.IEEE Transactions on Circuits and Systems for Video Technology,2020
Video Processing From Electro-Optical Sensors for Object Detection and Tracking in a Maritime Environment: A Survey[J]. Prasad Dilip K.;Rajan Deepu;Rachmawati Lily;Rajabally Eshan;Quek Chai.IEEE Transactions on Intelligent Transportation Systems,2017
ImageNet classification with deep convolutional neural networks[J]. Alex Krizhevsky;Ilya Sutskever;Geoffrey E. Hinton.Communications of the ACM,2017
YOLOv3:An Incremental Improvement. Redmon J;Farhadi A.arXiv:1804.02767[cs],2018
0
浏览量
299
下载量
0
CSCD
关联资源
相关文章
相关作者
相关机构
京公网安备11010802024621