典型文献
复杂环境下的多特征融合船舶目标检测算法
文献摘要：
船舶目标检测作为机器视觉的研究领域之一,对海洋运输业和搜救智能化具有基础性现实意义.但在实际检测中由于复杂的天气环境存在准确率低、定位不准确等问题,本文提出一种复杂环境下的多特征融合船舶目标检测算法.新增侧边融合路径网络,减少特征前向传播丢失,加强信息融合,通过高斯分布以及采用方差投票方法,改进定位损失函数提升滤除重复框效果,使边框定位更加准确从而改善漏检、误检等情况.实验结果表明,在不同天气环境下,该算法的平均准确率(mAP)达到88.01％,与传统YOLOv3和Faster RCNN算法相比分别提高了19.70和15.13个百分点,平均交并比(IoU)增加了6.49个百分点,在复杂环境下的船舶检测应用上具有很好的实用性.
文献关键词：
船舶目标检测;多特征融合;Faster RCNN;侧边融合路径网络;高斯分布
中图分类号：
作者姓名：
王长军;彭成;李勇
作者机构：
新疆师范大学计算机科学技术学院,新疆 乌鲁木齐 830054
文献出处：
引用格式：
[1]王长军;彭成;李勇-.复杂环境下的多特征融合船舶目标检测算法)[J].计算机与现代化,2022(11):81-88
A类：
侧边融合路径网络
B类：
复杂环境,多特征融合,船舶目标检测,目标检测算法,机器视觉,海洋运输,运输业,搜救,强信息,信息融合,高斯分布,投票方法,损失函数,函数提升,滤除,边框,框定,漏检,不同天气,平均准确率,mAP,YOLOv3,Faster,RCNN,百分点,平均交并比,IoU,船舶检测,检测应用
AB值：
0.328447
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。
