科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对内河复杂环境下船舶智能航行对航标检测识别与分类技术的要求，通过对经典Faster-RCNN模型特征提取网络、锚框机制、检测框抑制算法、损失函数等进行优化，采用ResNeXt、Soft-NMS、GIoU等结构改进了级联Faster-RCNN模型——Cascade-RCNN网络。以长江中游武桥水道航标数据为例，开展了算法测试与验证。研究结果表明：基于改进Cascade-RCNN的目标检测算法综合性能最佳，平均精度均值约94.17%、用时190毫秒/帧。该算法能够有效适应内河航标目标较小、重叠、多样的特点，保持较高的精确度与召回率，可满足内河复杂通航场景下航标的检测精度与效率需求。
- 单位
