典型文献
一种基于改进YOLOv4的舰炮弹着点水柱检测方法
文献摘要：
为解决弹着点水柱目标准确且快速检测的问题,充分平衡检测精度和实时性要求,首先通过将轻量级深度卷积神经网络MobileNetv3与YOLOv4算法结合,并利用3×3的深度可分离卷积代替PANet中的普通卷积,构建了用于水柱检测的网络模型M-YOLOv4;然后,从检测精度、模型容量和运行速度等方面将M-YOLOv4与YOLOv3、YOLOv4和YOLOv4-tiny等进行比较.研究结果表明:M-YOLOv4对水柱目标具有良好的检测效果,能够达到与YOLOv4相当的检测精度,并且参数量显著减少、运行速度更快.
文献关键词：
水柱检测;YOLOv4;深度可分离卷积;MobileNetv3;K-means聚类算法
中图分类号：
作者姓名：
王智;石章松;吴鹏飞;吴中红;祁江鑫
作者机构：
海军工程大学 兵器工程学院,武汉 430033
文献出处：
引用格式：
[1]王智;石章松;吴鹏飞;吴中红;祁江鑫-.一种基于改进YOLOv4的舰炮弹着点水柱检测方法)[J].海军工程大学学报,2022(06):35-40
A类：
水柱检测
B类：
YOLOv4,舰炮,炮弹,弹着点,快速检测,检测精度,轻量级,深度卷积神经网络,MobileNetv3,深度可分离卷积,PANet,运行速度,YOLOv3,tiny,检测效果,参数量,means,聚类算法
AB值：
0.274169
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。
