融合可切换空洞卷积的上下文信息增强船舶目标检测算法

作     者：丘锐聪 周海峰 陈颖 张兴杰 黄金满 翁卫征 QIU Ruicong;ZHOU Haifeng;CHEN Ying;ZHANG Xingjie;HUANG Jinman;WENG Weizheng

作者机构：集美大学轮机工程学院福建厦门361021 集美大学福建省船舶与海洋工程重点实验室福建厦门361021 集美大学航海学院福建厦门361021 厦门安麦信自动化科技有限公司福建厦门361000 厦门三丰鑫科技有限公司福建厦门361001 

基　　金：国家自然科学基金资助项目(51179074) 福建省自然科学基金资助项目(2021J01839) 集美大学安麦信产学研项目(S20127) 

出 版 物：《大连海事大学学报》 (Journal of Dalian Maritime University)

年 卷 期：2023年第49卷第4期

页      码：116-125页

摘      要：针对内河环境下小型船舶目标检测精度较低,以及船舶目标检测易受近岸复杂背景信息影响的问题,基于YOLOv5s做出改进,提出SACAM-YOLOv5船舶目标检测算法。首先,引入上下文增强模块,利用空洞卷积特性,获取上下文信息,加强模型对小型船舶目标检测能力;其次,利用可切换空洞卷积特性,设计C3_SAC模块用于取代原主干网络中特定位置的C3模块,通过扩大主干网络提取特征图感受野,增强特征图所含信息,减少复杂背景的影响,从而提升网络特征提取能力;最后,改进损失函数,引入NWD且与CIoU_Loss共同作为新的边界框损失计算函数,降低小目标检测中位置偏差的影响,提升小型船舶目标检测性能。使用Seaships船舶数据集对上述改进方法进行验证,结果表明,本文SACAM-YOLOv5算法相较基准模型,在精度、召回率和mAP@0.5上分别提升2.2%、2.0%和2.7%,分别达到98.6%、98.1%和99.5%,满足船舶目标检测性能要求,具有一定的工程实际意义。

主 题 词：船舶目标 检测算法 YOLOv5s 上下文增强 空洞卷积 改进损失函数 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

D　O　I：10.16411/j.cnki.issn1006-7736.2023.04.013

馆 藏 号：203125181...