-
题名基于改进YOLOv5的无人船视角目标检测方法
- 1
-
-
作者
隋江华
沈凡
孙宇
许文凯
白春鹏
-
机构
大连海洋大学航海与船舶工程学院
-
出处
《中国航海》
CSCD
北大核心
2024年第3期158-165,共8页
-
基金
辽宁省教育厅2021年度科学研究经费项目(LJKZ0726)。
-
文摘
针对复杂海况下无人船小尺度水面目标检测效果不佳及无人船数据集出现的样本不均衡的情况,本文提出一种改进YOLOv5的无人船水面目标检测方法。首先,将YOLOv5中主干网络部分替换为GhostNet轻量化网络。其次,在特征提取网络中加入全局空间自适应模块,以限制检测图空间维度上的影响。最后,损失函数部分基于多分类交叉熵损失函数加入可训练的噪声参数,降低样本不平衡带来的影响。通过无人船视角数据集试验结果表明,改进的方法mAP达到86.1%,相比于原始YOLOv5提升6.9%,网络的参数值降低43.4%,检测速度达到69.44帧数/秒,符合无人船等嵌入式设备的需求。改进的YOLOv5方法在检测无人船视角水面目标等情况,具有更好的检测效果。
-
关键词
GhostNet
YOLOv5
无人船
全局自适应模块
-
Keywords
GhostNet
YOLOv5
unmanned vessel
global context block
-
分类号
U674.8
[交通运输工程—船舶及航道工程]
-
