复杂场景下多尺度船舶实时检测方法

摘要：

船舶检测在军事侦察、海上目标跟踪、海上交通管制等任务中发挥着重要作用.然而,受船舶外形尺度多变和复杂海面背景的影响,在复杂海面上检测多尺度船舶仍然是一个挑战.针对此难题,提出了一种基于多层信息交互融合和注意力机制的YOLOv4改进方法.该方法主要通过多层信息交互融合(multi-layer information interactive fusion,MLIF)模块和多注意感受野(multi-attention receptive field,MARF)模块构建一个双向细粒度特征金字塔.其中,MLIF模块用于融合不同尺度的特征,不仅能将深层的高级语义特征串联在一起,而且将较浅层的丰富特征进行重塑;MARF由感受野模块(receptive field block,RFB)与注意力机制模块组成,能有效地强调重要特征并抑制冗余特征.此外,为了进一步评估提出方法的性能,在新加坡海事数据集(Singapore maritime dataset,SMD)上进行了实验.实验结果表明,所提方法能有效地解决复杂海洋环境下多尺度船舶检测的难题,且同时满足了实时需求.

关键词：多尺度船舶检测、多层信息交互融合、多注意感受野、双向细粒度特征金字塔

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;专用集成电路与系统国家重点实验室开放研究课题基金资助项目

在线出版日期：2022-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：67-78