面向内河航运安全监控的多尺度船舶图像目标识别方法

摘要：

针对YOLOv3算法中IoU边界框回归损失函数对小尺度船舶预测框容易产生误识及漏识问题,利用目标预测框与真实框的最小闭包区域和关键点的归一化距离,提出一种新的损失函数MIoU,该损失函数可显著提升多尺度船舶目标预测框的回归速度及精度.实验表明:提出的YOLOv3-MIoU算法对六类船舶的识别精度均超过97％,mAP值达到98.44％;与采用其他损失函数方法相比,YOLOv3-MIoU在不同尺度及不同类型船舶识别中均具有较高的识别准确率,特别对渔船等小尺度船舶识别准确率较其他方法提升3％以上,可以达到内河航运安全监控的应用需求.

关键词：内河安全监控、船舶目标识别、边界框回归损失函数、多尺度现象、深度卷积神经网络

所属期刊栏目：48

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;绿色智能内河船舶创新专项

在线出版日期：2022-05-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：62-72