典型文献
基于多头自注意力的复杂背景船舶检测算法
文献摘要：
针对内河港口背景复杂、类间尺度差异大和小目标实例多的特点,提出基于多头自注意力机制(MHSA)和YOLO网络的船舶目标检测算法(MHSA-YOLO).在特征提取过程中,基于MHSA设计并行的自注意力残差模块(PARM),以弱化复杂背景信息干扰并强化船舶目标特征信息;在特征融合过程中,开发简化的双向特征金字塔结构,以强化特征信息的融合与表征能力.在Seaships数据集上的实验结果表明,与其他先进的目标检测方法相比,MHSA-YOLO拥有较好的学习能力,在检测精度方面取得97.59％的平均均值精度,MHSA-YOLO对复杂背景船舶目标和小尺寸目标的检测更有效.基于自制数据集的实验结果表明,MHSA-YOLO的泛化能力强.
文献关键词：
智能航行;目标检测;复杂背景;自注意力机制;多尺度特征融合
中图分类号：
作者姓名：
于楠晶;范晓飚;邓天民;冒国韬
作者机构：
重庆交通大学航运与船舶工程学院,重庆400074;重庆交通大学交通运输学院,重庆400074
文献出处：
引用格式：
[1]于楠晶;范晓飚;邓天民;冒国韬-.基于多头自注意力的复杂背景船舶检测算法)[J].浙江大学学报（工学版）,2022(12):2392-2402
A类：
PARM,Seaships
B类：
复杂背景,船舶检测,内河港口,尺度差异,小目标,多头自注意力机制,MHSA,YOLO,船舶目标检测,目标检测算法,残差模块,背景信息,目标特征,特征信息,双向特征金字塔,特征金字塔结构,表征能力,目标检测方法,检测精度,小尺寸,泛化能力,智能航行,多尺度特征融合
AB值：
0.26169
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
