内河航运密集小目标船舶的图像检测方法

作     者：吴志华 钟铭恩 邓智颖 吴航星 谭佳威 周美华 WU Zhihua;ZHONG Ming’en;DENG Zhiying;WU Hangxing;TAN Jiawei;ZHOU Meihua

作者机构：厦门理工学院机械与汽车工程学院福建厦门361024 厦门理工学院光电与通信工程学院福建厦门361024 皖南医学院医学信息学院安徽芜湖241002 

基　　金：福建省自然科学基金项目(2019J01859) 

出 版 物：《厦门理工学院学报》 (Journal of Xiamen University of Technology)

年 卷 期：2024年第32卷第1期

页      码：58-66页

摘      要：针对小目标船舶在密集性场景中检测的漏检率和误检率较高的问题,基于深度卷积神经网络,提出一种船舶检测方法。该方法选用YOLOv7模型作为算法参考框架进行改进,设计自适应锚框匹配算法,利用CIoU距离度量方式重构K-means聚类算法,以更好地适应船舶数据集中物体的尺寸和比例分布;增加一个针对小尺度目标的细粒度检测头,并使用分散注意力机制对网络模型结构进行重新设计;采用负片图像增强技术来扩充数据样本以获得更多训练样本。实验结果表明:与YOLOv7原模型相比,本文算法在内河航运船舶检测任务中的查准率和查全率分别达到92.8%和88.9%,分别提高10.9%和23.6%;mAP50达到92.6%,提高23.4%;FPS指标下降11.4;模型大小为47.1 MB,在PC端上单张图片耗时需要32.26 ms,实现了小目标船舶的高效检测。

主 题 词：内河航运 船舶检测 YOLOv7算法模型 图像增强 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.19697/j.cnki.1673-4432.202401008

馆 藏 号：203127258...