典型文献
基于改进YOLOX的侧扫声纳图像沉船检测方法研究
文献摘要：
针对传统侧扫声纳图像沉船目标识别精度低的问题,引入深度学习,提出了一种改进的You Only Look Once X(YOLOX)目标检测方法.首先对收集的侧扫声纳沉船图像进行预处理,根据实测过程拖鱼的姿态、仪器设备不同等造成的成像差异进行数据增强与扩充,并构建数据集;其次以YOLOX为基础网络,根据侧扫声纳图像缺少丰富特征信息的问题,对网络进行改进,在网络的Spatial pyramid pooling(SPP)结构引入Softpool池化替换原来的池化,提取更多的细节特征信息;最后对改进前后的网络模型进行精度评估,验证改进网络的可行性.实验结果表明,改进后的网络在平均精确率均值(mAP)等精度评定指标中相较于原网络都有着显著提升,识别效果更好.该研究可为侧扫声纳探测中实时目标物检测提供研究基础.
文献关键词：
目标检测;侧扫声纳;深度学习;沉船图像;数据增强;改进目标检测方法
中图分类号：
作者姓名：
李书东;王晓;张博宇;秦培强;戴郅祺
作者机构：
江苏海洋大学海洋技术与测绘学院,江苏连云港 222005;厦门大学海洋与地球学院,福建厦门 361000
文献出处：
引用格式：
[1]李书东;王晓;张博宇;秦培强;戴郅祺-.基于改进YOLOX的侧扫声纳图像沉船检测方法研究)[J].海洋测绘,2022(05):32-36
A类：
声纳图像,沉船检测,改进目标检测方法
B类：
YOLOX,侧扫声纳,目标识别,识别精度,You,Only,Look,Once,沉船图像,仪器设备,像差,数据增强,特征信息,Spatial,pyramid,pooling,SPP,Softpool,池化,细节特征,进前,精度评估,进网,精确率,mAP,等精度,精度评定,评定指标,实时目标
AB值：
0.340589
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。
