融合混合域注意力的YOLOv4在船舶检测中的应用

作者：赵玉蓉; 郭会明; 焦函; 章俊伟

来源：计算机与现代化, 2021, (09): 75-82.

• 船舶检测
• 数据增强
• YOLO
• K-means++
• 注意力机制

海上船舶检测在海事监管领域发挥着重要的作用,然而由于海上的复杂环境以及船型的多样性,现有的基于卷积神经网络的方法在船舶检测领域难以同时满足高精度和实时的要求。针对复杂环境下海上船舶实时检测困难的问题,提出一种基于YOLOv4的YOLO-Marine模型,该模型将混合注意力机制引入检测网络的backbone部分,首先使用Mosaic方法对船舶数据进行预处理,然后通过K-Means++聚类得到初始anchor,并在Darknet上实现模型,用真实船舶数据集对模型进行训练和评估。实验结果表明YOLO-marine与YOLOv4相比,将船舶检测任务的m AP提升了2.1个百分点,在保证实时性的同时有效提高了船舶检测的精度,且在小目标和遮挡目标检测方面效果突出。

• 单位
  中国航天科工集团公司; 北京航天长峰股份有限公司