基于改进YOLOv3的船舶目标检测算法

• 作者: 盛明伟 李俊 秦洪德 崔壮 武万琦
• 来源期刊: 导航与控制
• 关键词: 深度学习 YOLOv3 船舶检测 显著性检测
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 信息与人工智能|Information and Artificial Intelligence
• 页码范围: 95-109
• 页数: 15页
• 分类号: TP273+.2
• 语种: 中文
• DOI: 10.3969/j.issn.1674⁃5558.2021.02.014

摘要

针对传统检测算法受复杂多变的海域环境条件影响而出现的鲁棒性差、目标识别能力不高的问题,提出了一种基于改进YOLOv3的船舶目标检测算法.首先,对水面图像进行了mixup数据增强;其次,在Darknet?53主干网络对特征进行提取之后引入了注意力机制,将残差连接和金字塔特征融合进行了结合,并通过自底向上的路径增强、利用准确的低层定位信号增强了整个特征的层次;然后,使用CIOU作为损失函数加强边界框回归提高了检测精度;最后,在检测时加入了显著性检测,用以提高检测的精确度和召回率.实验结果表明,该算法在VOC2007数据集和自建数据集上都表现出了良好的效果,在VOC2007数据集上的mAP值最高为63.92％,在自建数据集上的AP值最高为91.41％,可以对船舶进行有效的检测识别.