基于YOLOv3的船舶目标检测算法

发布时间：2022-05-10 19:39

　　为提高船舶目标智能检测的精度和实时性,提出一种基于YOLOv3算法的船舶目标检测方法,可用于视频图像的监测与跟踪。参照PASCAL VOC数据集格式,构建船舶目标检测数据集,采用k-means聚类先验框、mixup、标签平滑化等方法对算法进行改进和优化,在GPU（Graphic Processing Unit）云服务器中完成算法模型的训练和检测,并与FasterR-CNN、SSD（Single Shot MultiBox Detector）、原始YOLOv3等算法进行模型性能的试验对比。试验结果表明:改进的算法明显优于其他算法,其在测试集上的平均精度均值（mean Average Precision, mAP）和检测速度分别达到89.90%和30每秒检测帧数（Frames Per Second, FPS）。 

【文章页数】：6 页

【文章目录】：
1 YOLOv3算法与改进
    1.1 YOLOv3算法网络结构
    1.2 损失函数
    1.3 数据集构建
    1.4 优化策略
        1.4.1 k-means[12]聚类先验框
        1.4.2 mixup[14]
        1.4.3 标签平滑化[15]
2 试验与结果分析
    2.1 模型训练
    2.2 性能对比
    2.3 检测结果
3 结束语


【参考文献】：
期刊论文
[1]基于YOLO深度卷积神经网络的复杂背景下机器人采摘苹果定位[J]. 赵德安,吴任迪,刘晓洋,赵宇艳.  农业工程学报. 2019(03)
[2]改进的YOLOv3红外视频图像行人检测算法[J]. 王殿伟,何衍辉,李大湘,刘颖,许志杰,王晶.  西安邮电大学学报. 2018(04)
[3]最优聚类个数和初始聚类中心点选取算法研究[J]. 张素洁,赵怀慈.  计算机应用研究. 2017(06)



本文编号：3652574