基于深度学习的复杂气象条件下海上船舶识别

• 作者: 仝宗和 刘亚男 刘钊 张鹏升 武凯利
• 来源期刊: 科学技术与工程
• 学科: 工学
• 关键词: 船舶识别 暗通道先验去雾 深度学习 YOLO算法
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 自动化技术、计算机技术
• 页码范围: 130-135
• 页数: 6页
• 分类号: TP391.4
• 字数: 4741字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-1815.2019.03.022

摘要

为提高复杂气象条件下海上船舶的识别效果,通过暗通道先验去雾算法减少云雾遮挡对目标识别的影响,使用基于深度学习的YOLO(you only look once)改进算法提高目标识别效果.结果表明:采用的算法在中国航天科工四院指挥自动化中心的模拟海事数据集上,4类船舶目标识别的m AP(mean average precision)达到89. 98％,超过了对比的其他目标识别算法;针对数据集中的云雾遮挡图像,暗通道去雾处理后,目标识别的m AP从53. 25％提升到69. 35％.可见提出的算法可以满足复杂气象条件下的海上船舶识别的需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	仝宗和	中国人民公安大学信息技术与网络安全学院	3	2	1.0	1.0
2	刘钊	中国人民公安大学网络空间安全与法治协同创新中心	13	27	3.0	5.0
3	刘亚男	中山大学数学学院	14	27	3.0	4.0
4	武凯利	中国人民公安大学信息技术与网络安全学院	1	2	1.0	1.0
5	张鹏升	中国人民公安大学信息技术与网络安全学院	3	4	2.0	2.0