文献类型：期刊文章

作　　者：于洋[1] 李世杰[1] 陈亮[1] 刘韵婷[1]

YU Yang;LI Shi-jie;CHEN Liang;LIU Yun-ting(School of Automation and Electrical Engineering,Shenyang Ligong University,Shenyang 110159,China)

机构地区：[1]沈阳理工大学自动化与电气工程学院

出　　处：《计算机科学》

基　　金：国家重点研发计划(2017YFC0821001);国家自然科学基金(61373089);辽宁省自然科学基金(201602652);辽宁省教育厅基本科研项目(LG201707)资助

年　　份：2019

卷　　号：46

期　　号：8

起止页码：332-336

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：针对船舶图像目标检测中存在的小目标检测准确率低、系统鲁棒性差的问题,提出一种改进的YOLO v2算法对船舶图像目标进行检测。通过目标框维度聚类、网络结构改进、输入图像多尺度变换等方法对传统YOLO v2算法进行改进,使其能够更好地适应船舶目标检测任务。测试结果表明,在输入图像尺寸为416×416时,该算法的平均精确率(mean Average Precision,mAP)达到79.1%,检测速度为64帧/s(Frames Per Second,FPS)。所提方法可满足实时检测的需要,且具有小目标检测精度高、鲁棒性强的特点。

关 键 词：船舶目标检测  目标检测 卷积神经网络 改进YOLO  V2

分 类 号：TP183]