典型文献
基于改进YOLOX的SAR舰船目标检测算法
文献摘要：
近年来,在基于深度学习的SAR舰船目标检测算法中,总是存在着对紧密排列的舰船目标和小尺寸舰船目标漏检的问题.针对上述问题,提出了一种改进的YOLOX算法,用于减少紧密排列的舰船目标和小尺寸舰船目标的漏检率.采用Mish代替LeakyReLU的方法改进了激活函数,从而提高了模型的泛化能力;采用Soft-NMS代替传统NMS,减少传统NMS所导致的漏检;在CSPDarkNet末尾加入卷积块注意力机制模块(CBAM),用于提升网络提取特征的效果.在公开的SAR舰船数据集SSDD上进行了实验.结果表明,算法经过改进,有效减少了 YOLOX在检测紧密舰船目标和小尺寸舰船目标时发生的漏检现象.
文献关键词：
深度学习;目标检测;YOLOX算法;舰船检测
中图分类号：
作者姓名：
尹骅;李敬兆
作者机构：
安徽理工大学电气与信息工程学院,安徽淮南232001
文献出处：
引用格式：
[1]尹骅;李敬兆-.基于改进YOLOX的SAR舰船目标检测算法)[J].电脑编程技巧与维护,2022(05):35-37
A类：
B类：
YOLOX,SAR,舰船目标检测,目标检测算法,小尺寸,漏检率,Mish,LeakyReLU,方法改进,激活函数,泛化能力,Soft,NMS,CSPDarkNet,末尾,卷积块注意力机制模块,CBAM,提取特征,SSDD,法经,舰船检测
AB值：
0.311188
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。
