科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对当前内河通航情况复杂和船舶目标尺度变化大，船舶目标的检测技术存在准确率低和鲁棒性差的问题，文中提出一种MA-YOLOv3船舶目标检测算法。在DarkNet-53主干网络结构中增添一个浅层检测尺度，并添加8倍上采样使其与最后一层检测尺度进行信息融合，利用8倍和2倍混合上采样的方式使特征信息进一步高效融合，有效地提升小目标的检测效果；然后，构建一种自适应特征处理结构，利用网络的自适应学习能力过滤无用的信息，保留有用的特征，从而减少梯度逆向传播时比例不一致的问题，有效增强网络对多尺度特征的检测效果。在公开的SeaShips船舶数据集上开展实验得出，所提算法检测精度高达95.45%，明显优于SSD、YOLOv3等其他主流的目标检测模型，该方法在船舶目标检测上具有优越性。
-
单位江西理工大学; 自动化学院
