-
题名基于轻量化YOLOv7算法的侧扫声纳图像沉船检测
- 1
-
-
作者
王胜平
刘娉婷
陈晓红
陈志高
-
机构
东华理工大学测绘与空间信息工程学院
交通运输部长江上海航道处
-
出处
《海洋测绘》
CSCD
北大核心
2024年第4期21-25,共5页
-
基金
国家自然科学基金(42266006)
自然资源部海洋环境探测技术与应用重点实验室开放基金(MESTA-2020-A002)
江西省重点研发计划(20212BBE53031)。
-
文摘
针对现有的侧扫声纳图像水下沉船检测方法存在检测速度慢,传统的YOLOv5算法存在的漏检的问题,提出基于轻量化YOLOv7算法的水下沉船检测改进方法。首先,通过随机翻转、随机噪声等操作扩充沉船图像的样本数量;然后,引入迁移学习策略,将在COCO数据集上学习到的权重迁移到沉船检测的YOLOv7网络中;其次,改进模型损失函数中惩罚项的计算方式,提升收敛速度;最后在YOLOv7网络中引入FasterNet结构,减少模型的参数量和计算复杂度,降低模型对硬件的需求,达到轻量化模型的目的。实验结果表明,改进方法较原始YOLOv7算法在类平均精度值(mAP值)上提升了4.75%,检测速度也由原来的0.0218秒/帧提升到0.0179秒/帧,证明了改进方法的工程应用价值。
-
关键词
侧扫声纳图像
沉船检测
YOLOv7算法
FasterNet结构
迁移学习
-
Keywords
side-scan sonar images
shipwreck detection
YOLOv7
FasterNet
transfer leaering
-
分类号
P229.3
[天文地球—大地测量学与测量工程]
-
-
题名融合改进优化算法与深度学习的海平面变化预测
- 2
-
-
作者
朱湘杰
刘娉婷
韩任智
王胜平
陈志高
-
机构
交通运输部长江上海航道处
自然资源部海洋环境探测技术与应用重点实验室
东华理工大学测绘与空间信息工程学院
-
出处
《广东海洋大学学报》
CSCD
北大核心
2024年第6期66-72,共7页
-
基金
自然资源部海洋环境探测技术与应用重点实验室开放基金资助项目(MESTA-2023-A003)
国家自然科学基金(42266006)
江西省重点研发计划(20212BBE53031)。
-
文摘
【目的】提升海平面预测精度,提高防范水文灾害的能力。【方法】采用融合切比雪夫混沌映射(Chebyshev)和反向差分学习(OBL-DE)机制改进鹈鹕算法,结合双向长短期记忆网络(Bi-directional long short-term memory,BILSTM)预测模型,为BILSTM寻找最佳参数组,利用日本验潮站数据,通过使用机器学习方法测定未来海平高变化,计算预测值与实际值的平均绝对值、均方根误差、平均绝对百分比误差。【结果】提出一种改进鹈鹕优化算法(Improve pelican optimization algorithm,IPOA)解决鹈鹕优化算法在实际应用中容易陷入局部最优的问题,基于IPOA-BILSTM模型寻找的最优参数组为[366,450,0.01,488],提高在复杂环境下探索最优解的效率。8个预测模型的海平面高对比实验结果表明,IPOA-BILSTM预测模型的预测误差最低,平均绝对误差值为10.53 mm、均方根误差值28.69 mm、平均绝对百分比误差0.14%,结果验证了IPOA-BILSTM模型更适合该区域的海平面高预测。【结论】本研究提出的预测模型IPOA-BILSTM,在日本验潮站数据中实现了高性能的预测,提升了海平面预测的精度,为海平面变化研究提供参考。
-
关键词
海平面高
优化算法
深度学习
预测模型
-
Keywords
sea surface height
optimization algorithm
deep learning
prediction model
-
分类号
P229
[天文地球—大地测量学与测量工程]
-
