改进YOLOv3的船舶检测算法研究

摘要：

针对当前内河通航情况复杂和船舶目标尺度变化大,船舶目标的检测技术存在准确率低和鲁棒性差的问题,文中提出一种MA-YOLOv3船舶目标检测算法.在DarkNet-53主干网络结构中增添一个浅层检测尺度,并添加8倍上采样使其与最后一层检测尺度进行信息融合,利用8倍和2倍混合上采样的方式使特征信息进一步高效融合,有效地提升小目标的检测效果;然后,构建一种自适应特征处理结构,利用网络的自适应学习能力过滤无用的信息,保留有用的特征,从而减少梯度逆向传播时比例不一致的问题,有效增强网络对多尺度特征的检测效果.在公开的SeaShips船舶数据集上开展实验得出,所提算法检测精度高达95.45％,明显优于SSD、YOLOv3等其他主流的目标检测模型,该方法在船舶目标检测上具有优越性.

关键词：船舶检测、改进YOLOv3、多尺度特征检测、自适应特征处理、信息融合、信息过滤、实验验证

所属期刊栏目：46

分类号：TN911.23-34;TP391.4

资助基金：国家自然科学基金61763015

在线出版日期：2023-02-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：101-106