基于改进Cascade-RCNN的内河航标检测算法

摘要：

针对内河复杂环境下船舶智能航行对航标检测识别与分类技术的要求,通过对经典Faster-RCNN模型特征提取网络、锚框机制、检测框抑制算法、损失函数等进行优化,采用ResNeXt、Soft-NMS、GIoU等结构改进了级联Fas-ter-RCNN模型——Cascade-RCNN网络.以长江中游武桥水道航标数据为例,开展了算法测试与验证.研究结果表明:基于改进Cascade-RCNN的目标检测算法综合性能最佳,平均精度均值约94.17％、用时190毫秒/帧.该算法能够有效适应内河航标目标较小、重叠、多样的特点,保持较高的精确度与召回率,可满足内河复杂通航场景下航标的检测精度与效率需求.

关键词：内河航标、目标检测、卷积神经网络

所属期刊栏目：45

分类号：U697.31;TN911.73(水路运输技术管理)

资助基金：国家重点研发计划;国家自然科学基金;国家自然科学基金;中央高校基本科研业务费资助

在线出版日期：2022-10-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：99-105