典型文献
基于改进Cascade-RCNN的内河航标检测算法
文献摘要：
针对内河复杂环境下船舶智能航行对航标检测识别与分类技术的要求,通过对经典Faster-RCNN模型特征提取网络、锚框机制、检测框抑制算法、损失函数等进行优化,采用ResNeXt、Soft-NMS、GIoU等结构改进了级联Fas-ter-RCNN模型——Cascade-RCNN网络.以长江中游武桥水道航标数据为例,开展了算法测试与验证.研究结果表明:基于改进Cascade-RCNN的目标检测算法综合性能最佳,平均精度均值约94.17％、用时190毫秒/帧.该算法能够有效适应内河航标目标较小、重叠、多样的特点,保持较高的精确度与召回率,可满足内河复杂通航场景下航标的检测精度与效率需求.
文献关键词：
内河航标;目标检测;卷积神经网络
中图分类号：
作者姓名：
倪汉杰;初秀民;张彬鹏;蒋仲廉
作者机构：
武汉理工大学国家水运安全工程技术研究中心,湖北武汉430063;武汉理工大学智能交通系统研究中心,湖北武汉430063;武汉理工大学交通与物流工程学院,湖北武汉430063
文献出处：
引用格式：
[1]倪汉杰;初秀民;张彬鹏;蒋仲廉-.基于改进Cascade-RCNN的内河航标检测算法)[J].中国航海,2022(03):99-105
A类：
B类：
Cascade,RCNN,内河航标,复杂环境,下船,船舶智能航行,检测识别,识别与分类,分类技术,Faster,模型特征,特征提取网络,锚框机制,损失函数,ResNeXt,Soft,NMS,GIoU,结构改进,长江中游,水道,算法测试,测试与验证,目标检测算法,平均精度均值,毫秒,标目,召回率,通航,检测精度,精度与效率
AB值：
0.436409
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。
