重庆理工大学学报(自然科学) ›› 2024, Vol. 38 ›› Issue (3): 212-219.

• “中国粒计算与知识发现学术会议”专栏 • 上一篇    

雾环境下的船舶目标检测研究

肖晶晶,樊博彦,杨雨婷   

  1. 厦门理工学院 计算机与信息工程学院,福建 厦门 36102
  • 发布日期:2024-04-22
  • 作者简介:肖晶晶,女,博士,硕 士 生 导 师,副 教 授,主 要 从 事 智 能 船 舶、机 器 学 习 和 医 疗 机 器 人 等 研 究,Email:jj_xiao@ xmut.edu.c

  • Published:2024-04-22

摘要: 针对船舶在雾环境中因能见度不良易发生碰撞、船舶识别困难和检测精准度较低 等问题:首先构建出雾环境下的船舶目标检测数据集;接着在 YOLOv5基础上进行改进,在原网 络结构基础上,为使深度可分离卷积更接近可分离卷积,使用 GSConv模块替换 Head部分 CBS 模块,以提高模型精准度,并引入 SlimNeck范式,进一步提高模型平均精准度,降低模型的计算 量。同时,采用多项式损失函数替换原二元交叉熵损失函数,以提高模型的精准度,并引入 SIoU Loss消除真实框与预测框方向问题的缺陷,以提高训练速度和推理准确性。实验结果表明,模 型在 mAP0.5指标上达到 95.7%,相较于基础 YOLOv5模型,改进后的船舶目标检测模型 mAP0.5 提高 0.9%、mAP0.95提高 0.9%,同时 FLOPs也降低 2.1G。这一结果表明,雾环境下的船舶目标 检测模型具有更优的精准度和更轻量的模型结构,在提高雾环境下船舶检测的精准度和效率方 面具有很好的应用前景

关键词: 深度学习;目标检测;智能船舶;雾环境

中图分类号: 

  • TP391