典型文献
基于改进CenterNet的舰面多目标检测算法
文献摘要：
针对大型船舶舰面目标复杂、遮挡严重等突出问题,在CenterNet算法基础上提出了适用于舰面目标检测的改进CenterNet算法.在数据集上,利用离线数据增强方法对图像进行裁剪旋转等操作,获得大量不同背景下的目标图像,为中心点特征提取提供充分的样本信息.为进一步解决背景干扰问题,在网络模型中引入CBAM注意力机制模块,在通道域和空间域两个方向上自适应调整权重,可以更有效突出舰面目标特征而抑制甲板背景特征.最后针对目标遮挡严重的问题,对CenterNet模型的损失函数进行改进,进一步减少目标误检和错检,提升检测精准度.通过在舰面目标数据集上进行测试和验证,改进的CenterNet模型在五类舰面目标的检测精确率和召回率分别提高了2.0％和2.9％,平均准确率达到了93.22％,检测速度可以达到35fps,可以满足舰面目标检测准确性和实时性的要求.
文献关键词：
CenterNet;注意力机制;损失函数;复杂场景检测;数据增强
中图分类号：
作者姓名：
黄葵;朱兴动;范加利;王正;汪丁
作者机构：
海军航空大学青岛校区 青岛 266041;海军航空大学 烟台 264001
文献出处：
引用格式：
[1]黄葵;朱兴动;范加利;王正;汪丁-.基于改进CenterNet的舰面多目标检测算法)[J].舰船电子工程,2022(09):29-35
A类：
35fps
B类：
CenterNet,多目标检测,目标检测算法,大型船舶,舰面目标,遮挡,离线数据,数据增强,增强方法,裁剪,标图,中心点,点特征提取,背景干扰,干扰问题,CBAM,注意力机制模块,通道域,空间域,上自,自适应调整,目标特征,甲板,背景特征,损失函数,五类,精确率,召回率,平均准确率,检测速度,检测准确性,复杂场景检测
AB值：
0.338378
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。
