基于YOLO模型的SAR舰船目标检测方法研究 |
| |
引用本文: | 姜赋坤,黄香诚,张晓波,周兴华. 基于YOLO模型的SAR舰船目标检测方法研究[J]. 海洋技术学报, 2023, 0(4): 14-27 |
| |
作者姓名: | 姜赋坤 黄香诚 张晓波 周兴华 |
| |
作者单位: | 1. 山东科技大学海洋科学与工程学院;2. 自然资源部第一海洋研究所 |
| |
基金项目: | 国家自然科学基金青年基金项目(42106072);山东省自然科学青年基金项目(ZR2020QD071) |
| |
摘 要: | 随着海上交通运输业业务需求的不断增加,传统的目标检测方法已无法满足实际需求。由于卫星遥感技术的快速发展,基于合成孔径雷达(Synthetic Aperture Radar,SAR)图像舰船目标自动识别具有显著的应用潜力。近年来,深度学习技术在目标检测领域逐渐显现出优势,特别是YOLO (You Only Look Once)模型以其较高的精度和计算效率,为SAR舰船目标的识别提供了一种新的方法。为对比不同的YOLO模型在舰船目标识别领域的性能及其相比于两阶段深度学习算法的优势,本文首先对YOLO系列的结构进行了归纳总结;其次对当前广泛使用的数据集进行了对比分析,并基于SAR图像数据集(SAR Ship Detection Dataset,SSDD)的样本进行重新标注构建出本文的数据集;然后将YOLO系列模型与两阶段目标检测方法——更快速的区域卷积神经网络(Faster Region-based Convolutional Neural Network,Faster R-CNN)在SAR舰船目标检测的精度和速度两方面进行对比实验;最后在YOLOv5模型的基础上对主干网络(Backbone...
|
关 键 词: | YOLO模型 深度学习 SAR舰船图像数据集 舰船目标检测 注意力机制 |
Research on SAR Ship Target Detection Method Based on YOLO Model |
| |
Abstract: | |
| |
Keywords: | YOLO models deep learning SAR ship image datasets ship target detection attentional mechanisms |
|
| 点击此处可从《海洋技术学报》浏览原始摘要信息 |
|
点击此处可从《海洋技术学报》下载免费的PDF全文 |