基于多头自注意力的复杂背景船舶检测算法

摘要：

针对内河港口背景复杂、类间尺度差异大和小目标实例多的特点,提出基于多头自注意力机制(MHSA)和YOLO网络的船舶目标检测算法(MHSA-YOLO).在特征提取过程中,基于MHSA设计并行的自注意力残差模块(PARM),以弱化复杂背景信息干扰并强化船舶目标特征信息;在特征融合过程中,开发简化的双向特征金字塔结构,以强化特征信息的融合与表征能力.在Seaships数据集上的实验结果表明,与其他先进的目标检测方法相比,MHSA-YOLO拥有较好的学习能力,在检测精度方面取得97.59％的平均均值精度,MHSA-YOLO对复杂背景船舶目标和小尺寸目标的检测更有效.基于自制数据集的实验结果表明,MHSA-YOLO的泛化能力强.

关键词：智能航行、目标检测、复杂背景、自注意力机制、多尺度特征融合

所属期刊栏目：56

分类号：TU675.79;TP391.41(建筑施工机械和设备)

资助基金：国家重点研发计划;重庆市技术创新与应用发展专项重点项目;川渝联合实施重点研发项目;川渝联合实施重点研发项目

在线出版日期：2023-01-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：2392-2402