10.3969/j.issn.1006-2475.2020.03.022
基于YOLOv3的船舶实时监测识别
针对水面环境复杂多变、远处小目标识别准确率低和目前目标检测算法实时性差的问题,分析以Darknet-53为主干网络的YOLOv3框架相较于其他算法的改进特点,提出一种基于YOLOv3的船舶实时监测识别方法,并在训练阶段对难识别样本进行精细训练.该方法增强了系统在不同情况下船舶分类检测与识别的准确率,提高了整个算法的鲁棒性.实验数据表明,最终在整个数据集上单类平均准确率最高可达到91.82%.本文方法可应用于船舶智能驾驶的辅助支撑系统.
船舶识别、YOLOv3、强化训练、船舶智能驾驶、实时监测
TP391.4(计算技术、计算机技术)
秦惠?李政道基金资助项目苏大1939号
2020-04-14(万方平台首次上网日期,不代表论文的发表时间)
共6页
115-120