基于YOLOv3的船舶实时监测识别

• 作者: 屈雯怡
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 船舶识别 YOLOv3 强化训练 船舶智能驾驶 实时监测
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 图像处理
• 页码范围: 115-120
• 页数: 6页
• 分类号: TP391.4
• 字数: 4401字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2020.03.022

摘要

针对水面环境复杂多变、远处小目标识别准确率低和目前目标检测算法实时性差的问题,分析以Darknet-53为主干网络的YOLOv3框架相较于其他算法的改进特点,提出一种基于YOLOv3的船舶实时监测识别方法,并在训练阶段对难识别样本进行精细训练.该方法增强了系统在不同情况下船舶分类检测与识别的准确率,提高了整个算法的鲁棒性.实验数据表明,最终在整个数据集上单类平均准确率最高可达到91.82％.本文方法可应用于船舶智能驾驶的辅助支撑系统.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	屈雯怡	苏州大学电子信息学院	1	0	0.0	0.0