基于改进YOLOV3-Tiny的海面船舰目标快速检测

摘要：

为实现海面船舰目标的快速、准确检测,提出一种改进的船舰目标检测算法.在网络结构方面根据船舰目标的特点,对浅层信息进行强化重构以降低小目标的漏检率,同时引入改进的残差网络增加网络深度和降低网络参数计算量,并且采用金字塔网络进行多尺度特征融合,以兼顾图像中大小船舰目标的检测性能.在网络训练中利用迁移学习策略进行网络模型的训练,以克服船舰图像样本集有限的问题.在视频检测中利用帧间图像结构相似度进行选择性网络前向计算,以提高视频帧检测速率.实验结果表明,该算法海面船舰目标检测的准确率达到92.4％,较YOLOV3-Tiny提高7个百分点,召回率达到88.6％,且在CPU平台上船舰目标的检测速度达到12 frame/s.

关键词：卷积神经网络;YOLO网络;船舰目标检测;迁移学习;深度学习

所属期刊栏目：47

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家重点研发计划;海洋公益性行业科研专项

在线出版日期：2021-10-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：283-289,297