基于类加权YOLO网络的水下目标检测

• 作者: 刘青山 朱世伟 杭仁龙
• 来源期刊: 南京师大学报（自然科学版）
• 学科: 工学
• 关键词: 水下目标 YOLO 类加权损失 自适应维度聚类
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 129-135
• 页数: 7页
• 分类号: TP391
• 字数: 5126字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4616.2020.01.019

摘要

由于水下目标检测面临着图像模糊、尺度多样化、复杂背景等问题,给水下目标检测应用带来很多挑战.本文提出了一种基于类加权YOLO网络的水下目标检测方法,主要思想是在深度网络YOLO的基础上,构造了类加权损失函数,来平衡样本难易程度以获得更好的效果,并引入了目标框自适应维度聚类方法,进一步提升了检测性能.实验结果表明,本文算法与传统的YOLO网络模型相比,在每幅图片包含近20个目标的密集目标检测任务中,能够将平均准确率从71.2％提升至74.1％,召回率由71.1％提升到78.3％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘青山	南京信息工程大学自动化学院	34	203	8.0	13.0
2	朱世伟	南京信息工程大学自动化学院	1	1	1.0	1.0
3	杭仁龙	南京信息工程大学自动化学院	2	2	1.0	1.0