计算机工程

作者：李庆忠, 徐相玉

单位：中国海洋大学 工程学院, 山东 青岛 266100

关键词：卷积神经网络,YOLO网络,船舰目标检测,迁移学习,深度学习

基金：国家重点研发计划（2017YFC1405202）；海洋公益性行业科研专项（201605002）。

为实现海面船舰目标的快速、准确检测，提出一种改进的船舰目标检测算法。在网络结构方面根据船舰目标的特点，对浅层信息进行强化重构以降低小目标的漏检率，同时引入改进的残差网络增加网络深度和降低网络参数计算量，并且采用金字塔网络进行多尺度特征融合，以兼顾图像中大小船舰目标的检测性能。在网络训练中利用迁移学习策略进行网络模型的训练，以克服船舰图像样本集有限的问题。在视频检测中利用帧间图像结构相似度进行选择性网络前向计算，以提高视频帧检测速率。实验结果表明，该算法海面船舰目标检测的准确率达到92.4%，较YOLOV3-Tiny提高7个百分点，召回率达到88.6%，且在CPU平台上船舰目标的检测速度达到12 frame/s。

来源：2021年第10期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第10期