文献类型：期刊文章

作　　者：张宏群[1,2,3] 班勇苗[1] 郭玲玲[4] 金云飞[4] 陈檑[1]

Zhang Hongqun;Ban Yongmiao;Guo Lingling;Jin Yunfei;Chen Lei(Nanjing University of Information Science&Technology,Nanjing 210044,China;Jiangsu Collaborative Innovation Center of Atmospheric Environment and Equipment Technology,Nanjing University of Information Science&Technology,Nanjing 210044,China;Binjiang College,Nanjing University of Information Science&Technology,Wuxi 214105,China;Shanghai Satellite Engineering Research Institute,Shanghai 201100,China)

机构地区：[1]南京信息工程大学,南京210044 [2]南京信息工程大学江苏省大气环境与装备技术协同创新中心,南京210044 [3]南京信息工程大学滨江学院,无锡214105 [4]上海卫星工程研究所,上海201100

出　　处：《电子测量技术》

基　　金：国家自然科学基金(61671248)项目资助。

年　　份：2021

卷　　号：44

期　　号：8

起止页码：87-92

语　　种：中文

收录情况：BDHX、BDHX2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：利用遥感图像对海面上舰船进行监控已成为目前研究的热点,为了解决传统舰船检测需人工选择特征、耗时耗力、原始YOLO算法对密集分布小目标检测精度不高的缺陷,提出了一种基于YOLOv5的遥感图像舰船检测方法,使用Kaggle平台提供的遥感数据集,在Pytorch框架上训练,损失函数设计为CIOULOSS,目标框的选择使用DIOUNMS算法,使被遮挡、重叠的目标检测效果增强。经实验对比,此目标检测模型对被遮挡、排列密集的舰船的检测精度优于其他模型,其平均检测精度由原始的88.75%提升到91.27%。

关 键 词：舰船 目标检测 深度学习  YOLOv5  

分 类 号：TP391]