改进的YOLO模型及其在舰船目标识别中的应用

• 作者: 徐冠雷 邵利民 金鑫 马啸
• 来源期刊: 电讯技术
• 学科: 工学
• 关键词: 舰船目标 目标识别 YOLO模型 卷积神经网络
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 应用基础与前沿技术
• 页码范围: 869-874
• 页数: 6页
• 分类号: TN95|TP391.9
• 字数: 4331字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-893x.2019.08.001

摘要

针对传统目标识别方法资源消耗大、精度和可靠性低、泛化能力不强的问题,提出了一种基于改进YOLO(You Only Look Once)模型的舰船目标识别方法.通过精简YOLO模型,设计了一个10层的卷积神经网络用于舰船目标的自动特征提取和分类识别,模型训练过程中引入迁移学习的概念防止模型过拟合并加速模型参数的训练.在自建舰船目标图像测试集上的实验分析结果表明,该方法能够正确识别出航母、除航母外的其余军舰及民船三类舰船目标,识别精度达到93.7％且识别效率较高,验证了所提舰船目标识别方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐冠雷	海军大连舰艇学院航海系	38	428	9.0	20.0
2	邵利民	海军大连舰艇学院航海系	51	133	6.0	10.0
3	马啸	海军大连舰艇学院航海系	8	7	2.0	2.0
4	金鑫	海军大连舰艇学院航海系	14	31	3.0	5.0