基于深度学习的海上目标快速检测方法

发布时间：2021-05-26 14:16

　　针对智能船艇在自主导航和避障过程中对环境感知的速度和精度需求,提出基于深度学习的海上目标快速检测方法,并构建以船舶、浮标和岛屿为检测目标的海上目标数据集。该方法通过提取目标图像不同尺度特征语义信息,应用多框检测器实现对目标的分类和定位,采用非极大值抑制算法筛选最优结果,实现海上目标快速高精度检测。试验结果显示,该方法在自建数据集上取得了83.3%的识别正确率,单帧耗时9.8ms,在相同试验条件下,正确率和单帧耗时均优于现有同类快速目标检测方法,表明该方法可满足智能船艇对环境感知的速度和精度需求。 

【文章来源】：船舶工程. 2020,42(11)北大核心CSCD

【文章页数】：6 页

【文章目录】：
0 引言
1 快速船舶检测方法
    1.1 模型结构设计
    1.2 训练过程
2 试验结果
4 结论


【参考文献】：
期刊论文
[1]基于深度特征聚类的海量人脸图像检索[J]. 李振东,钟勇,张博言,曹冬平.  哈尔滨工业大学学报. 2018(11)
[2]最小方差优化初始聚类中心的K-means算法[J]. 谢娟英,王艳娥.  计算机工程. 2014(08)
[3]聚类有效性的组合评价方法[J]. 刘燕驰,高学东,国宏伟,武森.  计算机工程与应用. 2011(19)



本文编号：3206513