10.3969/j.issn.2096-2657.2023.01.03
基于YOLO v5 的水声目标检测
水下声呐目标存在类间差异小、不同传感器成像差异大的问题,且水下声呐图像样本获取难度较大,因此样本规模小成为应用深度神经网络提高检测精度的难点.针对以上问题,文章提出了一种结合数据增强和YOLO v5的水下目标检测算法.结果表明,文章方法的YOLO v5算法性能最优,F1分数、Precision、Recall、AP(Aveage Precision)四种指标均优于其他模型,分别为0.90、94.32%、85.57%、95.63%.研究结果可为后续水下目标检测算法研究提供技术参考.
水声目标检测、深度学习、Faster R-CNN、SSD、YOLO v5
TB566;TN929.3;TP391.4
2023-04-24(万方平台首次上网日期,不代表论文的发表时间)
共6页
12-17