TY -的A2 - Chen Chi-Hua AU -汉,徐盟——赵,希望非盟- Ning,越盟——胡Jingfeng PY - 2021 DA - 2021/06/24 TI - ShipYOLO:一个增强模型船检测SP - 1060182六世- 2021 AB -船舶检测助理智能船舶导航的应用有严格的模型的检测速度和精度的要求。针对这个问题,本研究采用一种改进的YOLO-V4检测模型(ShipYOLO)检测的船只。YOLO-V4相比,该模型有三个主要的改进。首先,骨干网络(CSPDarknet) YOLO-V4优化。在培训过程中,3 × 3卷积,1 × 1卷积,身份并行模式是用来替换原来的特征提取组件(ResUnit)和更多的功能被提取。在推理过程中,分支参数组合起来形成一个新的骨干网络RCSPDarknet命名,使模型的推理速度,同时提高了精度。其次,为了解决漏检的小型船只的问题,我们设计了一个新的接受域放大模块命名DSPP扩张卷积和Max-Pooling,提高了模型的收购小型船船舶目标空间信息和鲁棒性的空间位移。最后,我们使用注意机制和Resnet捷径的想法提高特征金字塔结构(PAFPN) YOLO-V4和得到一个新功能叫做AtFPN金字塔结构。结构有效提高船舶模型的特征提取效果的不同尺度,减少模型参数的数量,进一步提高模型的推理速度和检测精度。此外,我们已经创建了一个数据集船共有2238张图片,这是一个数据集募捐。实验结果表明,ShipYOLO有更快的速度和更高精度的优势,即使在不同的输入大小。考虑到输入大小为320 × 320年1080年电脑配备了NVIDIA GPU, FPS和mAP@5: 5:95 (mAP90) ShipYOLO(10.6%)增长了23.7%和13.6%,分别输入大小为320 × 320年,ShipYOLO YOLO-V4相比。SN - 0197 - 6729你2021/1060182 / 10.1155——https://doi.org/10.1155/2021/1060182——摩根富林明-杂志的先进运输PB - Hindawi KW - ER