基于增强YOLOv4的船舶目标检测算法

作者：金梅; 李翔宇; 张立国

来源：船舶工程, 2022, 44(10): 100-106.

DOI：10.13788/j.cnki.cbgc.2022.10.16

• 船舶检测
• YOLOv4
• 坐标注意力
• 自适应特征融合

船舶检测技术在海上交通安全、航道管理等领域发挥着重大作用。当前的船舶检测算法主要依赖于雷达遥感图像，不能实现准确、实时检测船舶。文章提出了一种基于视觉图像的YOLOv4船舶检测算法，在YOLOv4的基础上，使用了Ghost Block结构以减少网络参数，加快了检测速度；增加了坐标注意力模块，并将坐标注意力与Ghost Bolck相结合，得到CA-Ghost Block模块，使得神经网络更加关注位置和空间信息，以及网络更准确地定位感兴趣的目标，从而减少对无效特征的关注；通过自适应特征融合，使网络获得层次更加丰富的特征，提升了网络检测船舶的精度。结果表明，改进的算法相较于YOLOv4算法，m AP达到了98.64%，同时每秒检测图像数量提升了6.8帧，能够实时、准确地检测船舶。

• 单位
  燕山大学