基于改进YOLO v2的船舶目标检测方法

摘要：

针对船舶图像目标检测中存在的小目标检测准确率低、系统鲁棒性差的问题,提出一种改进的YOLO v2算法对船舶图像目标进行检测.通过目标框维度聚类、网络结构改进、输入图像多尺度变换等方法对传统YOLO v2算法进行改进,使其能够更好地适应船舶目标检测任务.测试结果表明,在输入图像尺寸为416×416时,该算法的平均精确率(mean Average Precision,mAP)达到79.1％,检测速度为64帧/s(Frames Per Second,FPS).所提方法可满足实时检测的需要,且具有小目标检测精度高、鲁棒性强的特点.

关键词：船舶目标检测、目标检测、卷积神经网络、改进YOLO v2

所属期刊栏目：46

分类号：TP183(自动化基础理论)

资助基金：国家重点研发计划2017YFC0821001;国家自然科学基金61373089;辽宁省自然科学基金201602652;辽宁省教育厅基本科研项目LG201707

在线出版日期：2019-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：332-336