检索结果-维普期刊中文期刊服务平台

数学形态学方法在海面船目标检测中的应用被引量：4: 1; 作者刘颖健唐功友赵驯洪《中国海洋大学学报（自然科学版）》 CAS CSCD 北大核心 2005年第3期511-514,共4页; 为进一步提高检测精度,提出1种将数学形态学方法应用到船目标检测数据后处理中的算法,根据该算法设计的数学形态学滤波器可以有效地消除SAR图像斑点噪声在船目标检测中造成的影响,减少船目标检测的误判,提高参数估计准确性。; 关键词 SAR图像船目标检测数学形态学滤波器; 在线阅读下载PDF 职称材料

DR_YOLOv8s++:改进卷积注意力机制和损失函数的SAR影像船舰目标检测网络: 2; 作者杨明秋陈国坤 +1 位作者董燕左小清《遥感信息》北大核心 2025年第2期159-168,共10页; 针对目前SAR影像船舰目标检测方法存在多场景下检测精度不高、漏检、模型泛化能力差的问题,尝试以YOLOv8s网络为基础,提出新的注意力机制D-CBAM,并定义新的损失函数RIoU,以及将最新的可变形卷积DCNv4替换标准卷积,引入融合空间金字塔池... 展开更多; 关键词船舰目标检测 SAR影像注意力机制可变形卷积融合空间金字塔池化损失函数; 在线阅读下载PDF 职称材料

改进YOLOv8的SAR影像船舰目标检测模型: 3; 作者杨明秋陈国坤 +1 位作者左小清董燕《测绘通报》 CSCD 北大核心 2024年第12期18-23,共6页; 在SAR影像船舰目标检测任务中,受近海岸区域背景复杂和船舰目标多尺度等因素影响,船舰目标在检测过程中出现检测精度不高、漏检的问题。针对上述问题,本文提出了一种基于YOLOv8s改进的SAR影像船舰目标检测模型,并在SSDD和HRSID数据集上... 展开更多; 关键词船舰目标检测 SAR影像残差增强可变形卷积动态稀疏注意力; 在线阅读下载PDF 职称材料

基于改进YOLOV3-Tiny的海面船舰目标快速检测被引量：13: 4; 作者李庆忠徐相玉《计算机工程》 CAS CSCD 北大核心 2021年第10期283-289,297,共8页; 为实现海面船舰目标的快速、准确检测,提出一种改进的船舰目标检测算法。在网络结构方面根据船舰目标的特点,对浅层信息进行强化重构以降低小目标的漏检率,同时引入改进的残差网络增加网络深度和降低网络参数计算量,并且采用金字塔网络... 展开更多; 关键词卷积神经网络 YOLO网络船舰目标检测迁移学习深度学习; 在线阅读下载PDF 职称材料

题名数学形态学方法在海面船目标检测中的应用被引量：4: 1; 作者刘颖健唐功友赵驯洪; 机构中国海洋大学计算机科学系; 出处《中国海洋大学学报（自然科学版）》 CAS CSCD 北大核心 2005年第3期511-514,共4页; 基金国家自然科学基金项目 (60 0 740 0 1 ) 山东省自然科学基金项目 (Y2 0 0 0G0 2 ) 中国海洋大学引进人才科研启动基金项目资助; 文摘为进一步提高检测精度,提出1种将数学形态学方法应用到船目标检测数据后处理中的算法,根据该算法设计的数学形态学滤波器可以有效地消除SAR图像斑点噪声在船目标检测中造成的影响,减少船目标检测的误判,提高参数估计准确性。; 关键词 SAR图像船目标检测数学形态学滤波器; Keywords SAR image ship detection mathematical morphology filter; 分类号 TN957.53 [电子电信—信号与信息处理]; 在线阅读下载PDF 职称材料

题名DR_YOLOv8s++:改进卷积注意力机制和损失函数的SAR影像船舰目标检测网络: 2; 作者杨明秋陈国坤董燕左小清; 机构昆明理工大学国土资源工程学院云南省教育厅高原遥感重点实验室; 出处《遥感信息》北大核心 2025年第2期159-168,共10页; 基金云南省科技厅基础研究计划面上项目(202401AT070366) 云南省重大科技专项计划(202202AD080010) 国家自然科学基金(42161067)。; 文摘针对目前SAR影像船舰目标检测方法存在多场景下检测精度不高、漏检、模型泛化能力差的问题,尝试以YOLOv8s网络为基础,提出新的注意力机制D-CBAM,并定义新的损失函数RIoU,以及将最新的可变形卷积DCNv4替换标准卷积,引入融合空间金字塔池化focal modulation networks来提升网络性能,提出的网络命名为DR_YOLOv8s++检测网络。为验证DR_YOLOv8s++网络的有效性和通用性,在SSDD、HRSID数据集上进行实验。结果表明,所提出算法的平均精度均值分别达到98%、97.5%,优于其他经典算法,模型性能提升明显,同其他目标检测算法相比,具有较强的泛化能力。; 关键词船舰目标检测 SAR影像注意力机制可变形卷积融合空间金字塔池化损失函数; Keywords ship target detection SAR image attention mechanism deformable convolution focal modulation networks loss function; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名改进YOLOv8的SAR影像船舰目标检测模型: 3; 作者杨明秋陈国坤左小清董燕; 机构昆明理工大学国土资源工程学院; 出处《测绘通报》 CSCD 北大核心 2024年第12期18-23,共6页; 基金国家自然科学基金(42161067) 云南省重大科技专项计划(202202AD080010)。; 文摘在SAR影像船舰目标检测任务中,受近海岸区域背景复杂和船舰目标多尺度等因素影响,船舰目标在检测过程中出现检测精度不高、漏检的问题。针对上述问题,本文提出了一种基于YOLOv8s改进的SAR影像船舰目标检测模型,并在SSDD和HRSID数据集上进行试验验证,效果优于其他经典算法。; 关键词船舰目标检测 SAR影像残差增强可变形卷积动态稀疏注意力; Keywords ship target detection SAR imaging residual enhancement deformable convolution dynamic sparse attention; 分类号 P237 [天文地球—摄影测量与遥感]; 在线阅读下载PDF 职称材料

题名基于改进YOLOV3-Tiny的海面船舰目标快速检测被引量：13: 4; 作者李庆忠徐相玉; 机构中国海洋大学工程学院; 出处《计算机工程》 CAS CSCD 北大核心 2021年第10期283-289,297,共8页; 基金国家重点研发计划(2017YFC1405202) 海洋公益性行业科研专项(201605002)。; 文摘为实现海面船舰目标的快速、准确检测,提出一种改进的船舰目标检测算法。在网络结构方面根据船舰目标的特点,对浅层信息进行强化重构以降低小目标的漏检率,同时引入改进的残差网络增加网络深度和降低网络参数计算量,并且采用金字塔网络进行多尺度特征融合,以兼顾图像中大小船舰目标的检测性能。在网络训练中利用迁移学习策略进行网络模型的训练,以克服船舰图像样本集有限的问题。在视频检测中利用帧间图像结构相似度进行选择性网络前向计算,以提高视频帧检测速率。实验结果表明,该算法海面船舰目标检测的准确率达到92.4%,较YOLOV3-Tiny提高7个百分点,召回率达到88.6%,且在CPU平台上船舰目标的检测速度达到12 frame/s。; 关键词卷积神经网络 YOLO网络船舰目标检测迁移学习深度学习; Keywords Convolutional Neural Network(CNN) YOLO network ship target detection transfer learning deep learning; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	数学形态学方法在海面船目标检测中的应用	刘颖健唐功友赵驯洪	《中国海洋大学学报（自然科学版）》 CAS CSCD 北大核心	2005	4	在线阅读下载PDF 职称材料
2	DR_YOLOv8s++:改进卷积注意力机制和损失函数的SAR影像船舰目标检测网络	杨明秋陈国坤董燕左小清	《遥感信息》北大核心	2025	0	在线阅读下载PDF 职称材料
3	改进YOLOv8的SAR影像船舰目标检测模型	杨明秋陈国坤左小清董燕	《测绘通报》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
4	基于改进YOLOV3-Tiny的海面船舰目标快速检测	李庆忠徐相玉	《计算机工程》 CAS CSCD 北大核心	2021	13	在线阅读下载PDF 职称材料