基于YOLOv3的船舶目标检测算法

• 作者: 杨柳涛 王炳德
• 来源期刊: 中国航海
• 学科: 工学
• 关键词: 船舶 目标检测 深度学习 YOLOv3
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 航行安全
• 页码范围: 67-72
• 页数: 6页
• 分类号: TP391.4
• 字数: 5048字
• 语种: 中文

摘要

为提高船舶目标智能检测的精度和实时性,提出一种基于YOLOv3算法的船舶目标检测方法,可用于视频图像的监测与跟踪.参照PASCAL VOC数据集格式,构建船舶目标检测数据集,采用k-means聚类先验框、mixup、标签平滑化等方法对算法进行改进和优化,在GPU(Graphic Processing Unit)云服务器中完成算法模型的训练和检测,并与FasterR-CNN、SSD(Single Shot MultiBox Detector)、原始YOLOv3等算法进行模型性能的试验对比.试验结果表明:改进的算法明显优于其他算法,其在测试集上的平均精度均值(mean Average Precision,mAP)和检测速度分别达到89.90％和30每秒检测帧数(Frames Per Second,FPS).

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨柳涛	上海船舶运输科学研究所航运技术与安全国家重点实验室	11	32	3.0	5.0
2	王炳德	上海船舶运输科学研究所航运技术与安全国家重点实验室	1	0	0.0	0.0