基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
水面目标快速检测在海事管理、渔业监测、军事情报侦察等领域具有重要的地位和作用.深度学习可以实现目标自动检测,在智能驾驶、安防监控、智慧医疗、自然语言理解等方面得到成功应用.论文分析了YOLOv4算法四个方面的改进策略,并利用自建的数据集对该算法进行了验证,检测精度达到了89.86%,检测速度为15fps,表明该算法在水面目标检测应用的可行性.
推荐文章
改进 YOLOv4 的混凝土建筑裂缝检测算法
裂缝检测
目标检测
YOLOv4
多尺度特征融合
基于改进YOLOV4模型的交通标志识别研究
交通标志识别
高清街景图像
注意力机制
增强感受野
基于Kalman滤波与Camshift算法的水面目标跟踪
水面目标
检测
跟踪
Kalman滤波器
Camshift算法
状态向量
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于YOLOv4的水面目标快速检测
来源期刊 舰船电子工程 学科 工学
关键词 水面目标 目标检测 YOLOv4 深度学习
年,卷(期) 2022,(4) 所属期刊栏目 计算机与网络安全
研究方向 页码范围 110-113
页数 4页 分类号 TP391
字数 语种 中文
DOI 10.3969/j.issn.1672-9730.2022.04.026
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2022(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
水面目标
目标检测
YOLOv4
深度学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
舰船电子工程
月刊
1672-9730
42-1427/U
大16开
湖北省武汉市
1981
chi
出版文献量(篇)
9053
总下载数(次)
18
总被引数(次)
27655
论文1v1指导