为提高复杂气象条件下海上船舶的识别效果,通过暗通道先验去雾算法减少云雾遮挡对目标识别的影响,使用基于深度学习的YOLO(you only look once)改进算法提高目标识别效果。结果表明:采用的算法在中国航天科工四院指挥自动化中心的模拟...为提高复杂气象条件下海上船舶的识别效果,通过暗通道先验去雾算法减少云雾遮挡对目标识别的影响,使用基于深度学习的YOLO(you only look once)改进算法提高目标识别效果。结果表明:采用的算法在中国航天科工四院指挥自动化中心的模拟海事数据集上,4类船舶目标识别的m AP (mean average precision)达到89. 98%,超过了对比的其他目标识别算法;针对数据集中的云雾遮挡图像,暗通道去雾处理后,目标识别的m AP从53. 25%提升到69. 35%。可见提出的算法可以满足复杂气象条件下的海上船舶识别的需求。展开更多
文摘为提高复杂气象条件下海上船舶的识别效果,通过暗通道先验去雾算法减少云雾遮挡对目标识别的影响,使用基于深度学习的YOLO(you only look once)改进算法提高目标识别效果。结果表明:采用的算法在中国航天科工四院指挥自动化中心的模拟海事数据集上,4类船舶目标识别的m AP (mean average precision)达到89. 98%,超过了对比的其他目标识别算法;针对数据集中的云雾遮挡图像,暗通道去雾处理后,目标识别的m AP从53. 25%提升到69. 35%。可见提出的算法可以满足复杂气象条件下的海上船舶识别的需求。
