基于改进YOLO v2的船舶目标检测方法

论文摘要

针对船舶图像目标检测中存在的小目标检测准确率低、系统鲁棒性差的问题,提出一种改进的YOLO v2算法对船舶图像目标进行检测。通过目标框维度聚类、网络结构改进、输入图像多尺度变换等方法对传统YOLO v2算法进行改进,使其能够更好地适应船舶目标检测任务。测试结果表明,在输入图像尺寸为416×416时,该算法的平均精确率(mean Average Precision,mAP)达到79.1%,检测速度为64帧/s(Frames Per Second,FPS)。所提方法可满足实时检测的需要,且具有小目标检测精度高、鲁棒性强的特点。

论文目录

文章来源

类型: 期刊论文

作者: 于洋,李世杰,陈亮,刘韵婷

关键词: 船舶目标检测,目标检测,卷积神经网络,改进

来源: 计算机科学 2019年08期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 船舶工业,计算机软件及计算机应用

单位: 沈阳理工大学自动化与电气工程学院

基金: 国家重点研发计划(2017YFC0821001),国家自然科学基金(61373089),辽宁省自然科学基金(201602652),辽宁省教育厅基本科研项目(LG201707)资助

分类号: TP391.41;U675.7

页码: 332-336

总页数: 5

文件大小: 950K

下载量: 503

相关论文文献

标签：船舶目标检测论文;  目标检测论文;  卷积神经网络论文;  改进论文;