典型文献
基于YOLOv3锚框优化的侧扫声呐图像目标检测
文献摘要：
利用侧扫声呐图像来探查海底目标对海洋资源开采和海上军事防护都有重大意义.目前人为提取图像特征进行目标检测的传统机器学习方法逐渐被深度学习取代.深度学习技术在降低算法复杂度的同时提高图像目标检测效率,极大地推动了目标检测技术地发展.将深度学习检测算法应用到侧扫声呐图像目标检测领域时,锚框作为目标检测网络中较为重要的先验信息会影响最终的检测性能,考虑到声呐数据集的真实目标框与网络设定的锚框未必贴合的问题,本文在YOLOv3的基础上对锚框进行了优化,给出了一种能够获取有效先验锚框的策略.首先使用K-Means算法对真实目标框进行聚类,获得比较贴合于声呐数据集的锚框,然后设计了一种超参数锚框映射关系对聚类后的锚框进行拉伸变换,这样获得的锚框既包含了声呐数据集的目标框信息,也能利用到YOLOv3的多尺度特性.实验结果表明,所提锚框优化策略能够让YOLOv3网络获得更优的检测性能,适用于侧扫声呐图像的目标检测问题.
文献关键词：
侧扫声呐图像;目标检测;锚框;深度学习
中图分类号：
作者姓名：
陈禹蒲;马晓川;李璇
作者机构：
中国科学院声学研究所中科院水下航行器信息技术重点实验室,北京100190;中国科学院大学,北京100049
文献出处：
引用格式：
[1]陈禹蒲;马晓川;李璇-.基于YOLOv3锚框优化的侧扫声呐图像目标检测)[J].信号处理,2022(11):2359-2371
A类：
B类：
YOLOv3,锚框,侧扫声呐图像,图像目标检测,探查,海底,海洋资源,资源开采,图像特征,机器学习方法,深度学习技术,低算法复杂度,检测效率,检测算法,算法应用,检测领域,目标检测网络,先验信息,检测性能,未必,贴合,Means,超参数,映射关系,尺度特性,检测问题
AB值：
0.230508
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。
