基于S4-YOLO的海上目标检测识别方法

• 作者: 赵文强 孙巍
• 来源期刊: 光学与光电技术
• 学科: 工学
• 关键词: 海上目标 深度学习 卷积神经网络 检测识别 多尺度
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 图像与信号处理
• 页码范围: 38-46
• 页数: 9页
• 分类号: TP18
• 语种: 中文

摘要

以海上目标的红外、可见光图像为数据源,针对海上目标尺度多样、数据源多波段信息丰富的特点,基于YOLOv3原型网络架构,根据FPN原理将4倍降采样获取的第11层底层特征图与第103层深层特征图进行融合,实现对网络尺度的扩展,并通过K-means聚类算法得到更为精细化尺度下的先验框;同时将红外、可见光图像根据目标特点按比例进行组合,形成图像源的物理层融合,进而构建混合数据集进行多波段协同模型训练.实验结果表明,S4-YOLO网络模型其识别的准确率高于YOLOv3、YOLOv3-Tiny模型,可以很好地适应海上多尺度目标的识别需求.