基于YOLO-FNC模型的轻量化船舶检测方法

作     者：张炳焱 张闯 石振男 刘松涛 ZHANG Bingyan;ZHANG Chuang;SHI Zhennan;LIU Songtao

作者机构：大连海事大学航海学院辽宁大连116026 盘锦海事局通航管理处辽宁盘锦124211 

基　　金：辽宁省应用基础研究计划资助项目(2022JH2/101300265) 大连海事大学航海学院2023年一流学科交叉研究资助项目(2023JXB14) 

出 版 物：《中国舰船研究》 (Chinese Journal of Ship Research)

年 卷 期：2024年第19卷第5期

页      码：180-187页

摘      要：[目的]针对交通密集的港口、船舶聚集的渔船作业区以及船岸混合交通场景等复杂环境,提出一种基于YOLO-FNC模型的船舶检测方法。[方法]首先,设计一种基于FasterNet思想的神经网络模块FasterNeXt,并将该模块替换YOLO模型中的C3模块,在不影响准确性的条件下确保运行速度更快。其次,将NAM注意力机制融入网络结构中,通过利用稀疏的权重惩罚抑制特征权重确保权重的计算更加高效。最后,提出新的边界框回归损失以加快预测帧调整并增加帧回归率,提升网络模型收敛速度。[结果]实验结果表明,在自建的复杂场景下船舶数据集进行检测实验,与YOLOv5s算法相比,所提方法的mAP@0.5提升6.35%,参数量减少9.74%,计算量减少11.39%。[结论]该检测方法有效实现了轻量化、高精度的船舶检测。

主 题 词：船舶目标检测 YOLOv5s YOLO-FNC 

学科分类：08[工学] 081105[081105] 0811[工学-水利类] 

D　O　I：10.19693/j.issn.1673-3185.03487

馆 藏 号：203145613...