基于S4-YOLO的海上目标检测识别方法

摘要：

以海上目标的红外、可见光图像为数据源,针对海上目标尺度多样、数据源多波段信息丰富的特点,基于YOLOv3原型网络架构,根据FPN原理将4倍降采样获取的第11层底层特征图与第103层深层特征图进行融合,实现对网络尺度的扩展,并通过K-means聚类算法得到更为精细化尺度下的先验框;同时将红外、可见光图像根据目标特点按比例进行组合,形成图像源的物理层融合,进而构建混合数据集进行多波段协同模型训练.实验结果表明,S4-YOLO网络模型其识别的准确率高于YOLOv3、YOLOv3-Tiny模型,可以很好地适应海上多尺度目标的识别需求.

关键词：海上目标、深度学习、卷积神经网络、检测识别、多尺度

所属期刊栏目：18

分类号：TP18(自动化基础理论)

在线出版日期：2021-02-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：38-46