检索结果-南通市图书馆

维普期刊数据库博看期刊

基于SOE-YOLO轻量化的水面目标检测算法

在线全文

学校读者我要写书评

暂无评论

图学学报 2024年

作者：曾志超徐玥王景玉叶元龙黄志开王欢南昌工程学院机械工程学院南昌工程学院信息工程学院

针对复杂多变的水面环境，小目标检测存在漏检、错检且检测平台计算资源有限的问题，提出了基于YOLOv8的轻量化水面目标检测算法SOE-YOLO。首先在Neck部分使用包含GSConv的Slim-Neck设计范式对模型进行轻量化改进；其次通过使用轻量型卷... 详细信息

针对复杂多变的水面环境，小目标检测存在漏检、错检且检测平台计算资源有限的问题，提出了基于YOLOv8的轻量化水面目标检测算法SOE-YOLO。首先在Neck部分使用包含GSConv的Slim-Neck设计范式对模型进行轻量化改进；其次通过使用轻量型卷积ODConv(omni-dimensional dynamic convolution)模块重新构建Backbone部分，以减少参数量从而提高网络的检测速度；最后引入多尺度注意力机制EMA(efficient multi-scale attention)增强网络多尺度特征提取能力，提高小目标检测能力。在WSODD测试集中的实验结果表明，SOE-YOLO模型参数量和计算量分别为2.8M和6.6GFLOPs，与原模型相比分别减少12.5%和18.6%，同时mAP@%0.5和mAP@0.5:0.95分别达到79.9%和47.2%，与原模型相比分别提高2.4%和1.6%，且漏检率下降明显，优于当前流行的目标检测算法。FPS达到了64.25，满足水面目标检测实时性的要求。在实现轻量化的同时具有更好的检测性能，满足了在计算资源受限环境下的部署需求。

关键词：水面目标检测 YOLOv8 轻量化改进 Slim-Neck设计范式注意力机制

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

多视图交叉一致性学习的半监督水面目标检测

哈尔滨工业大学学报 2023年第4期55卷 107-114页

作者：冯俊健李彬田联房董超华南理工大学自动化科学与工程学院广州510641 国家海洋局南海调查技术中心广州510300 自然资源部海洋环境探测技术与应用重点实验室广州510300

为缓解基于半监督学习的水面目标检测对有限标注样本过拟合的问题,提高无标注样本中目标提取的有效性,提出了基于多视图交叉一致性学习的半监督水面目标检测算法。首先,该算法通过数据增强的方式为训练样本生成不同的视图以丰富数据集... 详细信息

为缓解基于半监督学习的水面目标检测对有限标注样本过拟合的问题,提高无标注样本中目标提取的有效性,提出了基于多视图交叉一致性学习的半监督水面目标检测算法。首先,该算法通过数据增强的方式为训练样本生成不同的视图以丰富数据集的多样性;然后,利用所提出的多视图目标判别器为无标注样本在线生成伪标签,有助于提取无标注样本的有效信息;最后,利用所提出的多视图交叉一致性学习使同一目标实例的不同视图的输出实现交叉一致性正则化,以促进检测模型学习判别性的特征从而降低过拟合的风险。在海上和内河数据集上的实验结果表明:文中所提算法能够提高特征提取的判别性,对多类别的水面目标检测精度达到91.0%,比全监督检测算法提高了18.7%,比其他半监督检测算法提高了3.8%以上;在检测速度上,该算法达到13.1帧/s,基本满足实时性要求。所提算法通过多视图交叉一致性学习提高特征的判别性和缓解检测模型的过拟合风险,有助于提高半监督水面目标检测的性能。

关键词：水面目标检测半监督学习多视图交叉一致性学习交叉一致性正则化多视图目标判别器

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

融合位置信息和上下文的水面目标检测方法

小型微型计算机系统 2023年

作者：马赛解志斌邵长斌江苏科技大学计算机学院智慧海洋信息感知与传输技术重点实验室江苏科技大学海洋学院

针对复杂多变的水面环境中，小目标检测精度低、漏检率高且检测平台计算资源有限的问题，提出了一种基于Efficientdet-D0融合位置信息和上下文的水面目标检测方法。首先，采用坐标注意力机制对主干特征提取网络的主要模块移动翻转瓶颈... 详细信息

针对复杂多变的水面环境中，小目标检测精度低、漏检率高且检测平台计算资源有限的问题，提出了一种基于Efficientdet-D0融合位置信息和上下文的水面目标检测方法。首先，采用坐标注意力机制对主干特征提取网络的主要模块移动翻转瓶颈卷积进行改进，将目标的位置信息集成到通道注意力中，提高网络对水面小目标的检测能力；其次，在特征融合网络BiFPN中引入Cot模块，增强特征融合网络对特征图相邻和全局上下文的获取能力，进一步提高检测小目标的能力；最后，为优化预测网络训练，将预测网络激活函数替换为H-swish。在WSODD测试集中的实验结果表明，本文模型的mAP相比于原始模型提高了16.95%，漏检率下降明显，且本文模型参数量小于大多现有模型，证明了本文方法在水面目标检测模型中的有效性。

关键词：水面目标检测深度学习 Efficientdet-D0 位置信息上下文信息

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于深度学习的水面无人清理船目标检测综述

价值工程 2024年第13期43卷 157-160页

作者：沈靖夫张元良刘飞跃柳淳江苏海洋大学海洋工程学院连云港222005 江苏海洋大学机械工程学院连云港222005

水面目标识别对水资源环境具有重要意义。综合当前基于深度学习的目标检测方法的发展历程以及在水面中的应用情况,对水面目标检测数据集及检测方法进行了研究。首先介绍了目标检测网络的发展历程。接着,对当前常用目标检测方法进行总结... 详细信息

水面目标识别对水资源环境具有重要意义。综合当前基于深度学习的目标检测方法的发展历程以及在水面中的应用情况,对水面目标检测数据集及检测方法进行了研究。首先介绍了目标检测网络的发展历程。接着,对当前常用目标检测方法进行总结,阐述水面常用的公开数据集及水面目标检测算法的实际应用。最后,对基于深度学习的水面目标检测提出今后的研究方向。

关键词：深度学习水面目标检测水面数据集

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于深度学习的水面目标检测模型压缩方法

扬州大学学报（自然科学版） 2021年第3期24卷 43-47页

作者：叶浩李建祯杨晓飞江苏科技大学电子信息学院江苏镇江212003

针对目标检测模型过大且计算复杂而导致其无法应用于无图形处理器嵌入式终端的问题,通过改进YOLO算法,提出一种基于深度学习的水面目标检测模型压缩方法.采用带有深度可分离卷积和轻量级注意力模型的改进网络替代特征提取网络DarkNet,... 详细信息

针对目标检测模型过大且计算复杂而导致其无法应用于无图形处理器嵌入式终端的问题,通过改进YOLO算法,提出一种基于深度学习的水面目标检测模型压缩方法.采用带有深度可分离卷积和轻量级注意力模型的改进网络替代特征提取网络DarkNet,通过多尺度特征融合进行模型压缩,引入k-means++算法与Mish激活函数,保证模型压缩后的准确度.试验结果表明,YOLOv3-MobileNetV3网络模型较YOLOv3网络模型的参数量减少61.35%,模型大小减少144 MB,模型平均精度均值较YOLOv3-MobileNetV1网络模型提升5.55%,满足嵌入式设备水面目标检测实时性和准确性的要求.

关键词：深度学习模型压缩激活函数轻量级注意力模型水面目标检测

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

动态光视觉的水面目标检测技术研究

动态光视觉的水面目标检测技术研究

作者：周丽萍哈尔滨工程大学

学位级别：硕士

加强建设海洋强国,大力发展海洋装备,既要走向海洋也要尊重海洋、保护海洋、再利用海洋,是中国共产党第十九次全国代表大会的重要内容之一。水下无人航行器(Unmanned Underwater Vehicles,UUV)作为水下作战平台之一,它的航速、航程、续... 详细信息

加强建设海洋强国,大力发展海洋装备,既要走向海洋也要尊重海洋、保护海洋、再利用海洋,是中国共产党第十九次全国代表大会的重要内容之一。水下无人航行器(Unmanned Underwater Vehicles,UUV)作为水下作战平台之一,它的航速、航程、续航力逐步提高,且能够携带武器、隐蔽地远程检测目标,在军事领域具有不可或缺的重要地位。因此,动态光视觉的水面目标检测技术研究,具有重要的军事战略意义和工程应用价值。当摄像机安装在UUV上并探出海面时,或者安装在晃动的海事浮标上,获取水面可见光图像,本文主要实现了水面可见光图像的相关处理和水面舰船目标的检测分类。主要内容如下:(1)对水面可见光图像的特点进行详细分析,得到其背景复杂、易受海雾等复杂天气的影响、目标多出现在水界线区域等特点。然后,从平滑去噪和降质图像增强两方面,进行算法研究和实验,实现水面可见光图像的预处理。(2)水面可见光图像背景复杂,本文研究了多种水界线检测方法,并提出了一种基于直线分割检测改进的水界线检测方法。该方法既适应于海空背景,也适应于水岸背景,是一种实时性高且自适应性强的算法。(3)研究了雾天成像物理模型和经典的暗通道先验去雾算法,然而,水面图像含有大面积的天空和水面白色浪花等明亮区域,暗通道先验不总是成立。本文借助水界线将雾天图像分为天空和非天空区域,提出一种自适应表面模糊方法,分别求取透射率,进而求取大气散射函数;同时,采用四叉树细分法的改进方法估计大气光。通过实验与多种去雾算法做了比较和定量、定性分析。(4)实现了水面目标检测,并进一步实现舰船目标分类。借助二值化梯度幅值特征和支持向量机训练检测模板,获取目标感兴趣区域及其位置坐标;提取目标感兴趣区域图像的SURF特征点并进行特征描述,作为输入信息,输入训练好的视觉词袋模型分类器,实现舰船目标分类。

关键词：水下无人航行器水面可见光图像水界线检测去雾水面目标检测

基于自适应空间特征融合的水面多目标检测与跟踪方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于自适应空间特征融合的水面多目标检测与跟踪方法

作者：李允权哈尔滨工程大学

学位级别：硕士

中国是世界大国,海洋国土辽阔,不断提高对海洋国土的保障能力,是我们船舶与海洋领域研究者的共同目标。船舶智能化是必然趋势,也是跨学科、跨领域的研究,投入大、周期长。因此,对于船舶智能化的研究具有深远的意义。本文以智能船舶所需... 详细信息

中国是世界大国,海洋国土辽阔,不断提高对海洋国土的保障能力,是我们船舶与海洋领域研究者的共同目标。船舶智能化是必然趋势,也是跨学科、跨领域的研究,投入大、周期长。因此,对于船舶智能化的研究具有深远的意义。本文以智能船舶所需要的环境信息为切入点,研究了基于视觉的水界线检测方法、水面目标检测方法、水面多目标跟踪方法以及深度神经网络在该范畴中的应用。本文的主要研究内容如下:第一,对水面多目标检测与跟踪的国内外研究现状进行了调研,分析了主流水界线检测方法、水面目标检测方法、水面多目标跟踪方法的优缺点,分别搭建了基于编码与解码的语义分割网络、基于关键点估计的目标检测网络、基于金字塔聚合的多目标跟踪网络。第二,针对水界线检测中语义分割部分水面区域识别困难的问题,本文引进了通道注意力来处理网络在卷积池化的过程中特征图因不同重要性的通道引起的损失;针对水面目标检测过程中会出现物体形态尺度变化导致检测失效的问题,本文引进了可变形卷积来提高对形态尺度变化较大的水面目标的特征提取能力;针对水面多目标跟踪过程中会出现物体相互遮挡导致跟踪失效的问题,本文引进了自适应空间特征融合来提高对多个相互遮挡水面目标之间的空间特征表达能力。第三,收集并标注深度神经网络所需的水面语义分割数据集、水面目标检测数据集、水面多目标跟踪数据集,进行了网络性能的论证,结果表明:改进后的网络能够更加有效地分割水面区域、检测出水界线,能够更加高效地检测水面环境下的各类目标,能够更加稳定地跟踪水面环境下的多个运动目标。第四,搭建了基于虚拟引擎的水面视觉感知方法仿真环境,布置了多组不同天气、不同时间、不同风力等级的水面场景,仿真结果表明:改进后的网络具有较好的鲁棒性,在复杂水面环境下具有更高的水面区域分割度,水界线更加贴近真实位置,能够更加精准的识别水面目标的类别和位置信息,减少了误检漏检概率,同时在跟踪过程中对水面目标ID丢失次数更少,提升了重识别能力,能够满足本文支撑项目对水面环境感知的设计需求。

关键词：视觉深度神经网络水界线检测水面目标检测水面多目标跟踪

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

无人艇水面目标光视觉检测与跟踪技术研究

无人艇水面目标光视觉检测与跟踪技术研究

作者：金巧园哈尔滨工程大学

学位级别：硕士

辽阔的海域不仅蕴含丰富的资源,还是贸易与文化交流的要道。大力发展海洋装备是提升我国海洋开发和管控能力的必要手段。水面无人艇是开发水面空间的一种无人航行器,具有体积小、高速、智能、较好的隐身、无人伤亡等优点,能够完成各种... 详细信息

辽阔的海域不仅蕴含丰富的资源,还是贸易与文化交流的要道。大力发展海洋装备是提升我国海洋开发和管控能力的必要手段。水面无人艇是开发水面空间的一种无人航行器,具有体积小、高速、智能、较好的隐身、无人伤亡等优点,能够完成各种科学考察和工程任务,有广泛的应用和重要的研究价值。本文以“七夕号”无人艇为主要研究对象,从无人艇自主航行时规避障碍物所需的环境信息出发,重点研究了水面目标光视觉检测与跟踪技术,致力于将船只、岛屿、礁石等水面目标从复杂的水面环境中检测出来并对运动目标的状态进行连续估计,获取其运动状态,以防止无人艇与其发生碰撞,具体内容如下:首先,分析了常见的图像分割算法在检测水面目标时的优缺点,根据受到阳光和倒影干扰的水面图像在阈值分割后的特点,对阈值分割算法进行了优化,该算法适用于与水面环境有较大灰度差异的水面目标。其次,考虑基于候选区域和基于回归的深度学习目标检测算法的特点后,本文将YOLOv2作为基础检测算法。针对该算法在检测水面小目标方面的不足,引入了两种特征分层级联策略:自顶向下模型(TDM)和特征金字塔网络(FPN),使得改进网络能够充分结合低语义、高分辨率的低层特征和高语义、低分辨率的高层特征,获得更多细节信息。用自制水面目标数据集分别训练原始网络和两个引入特征分层级联策略的网络,测试集中的表现表明,两种策略都有效提高了模型检测水面小目标的能力,且基于FPN的YOLOv2算法具有更高的精度和速度。然后,通过分析多种目标跟踪算法在无人艇上的适用性,本文引入了简单高效的Mean-Shift目标跟踪算法。针对无人艇在航行时不断变化的航向角和水面目标自身的运动导致的目标外形在各个方向上的变化都有差异的问题,本文提出了各向异性带宽自适应Mean-Shift水面目标跟踪算法,通过定性和定量分析对比试验结果,证明该算法有效提高了跟踪的准确性、鲁棒性和实时性。最后,简要介绍了本文研究对象“七夕号”无人艇,以及开发的光视觉系统软硬件结构。该系统在“七夕号”的自主避障试验中为其路径规划提供了有效的技术支撑,试验中光视觉系统准确检测跟踪障碍物并计算出其相对位置,通过网络通信将障碍物位置信息传递给规划控制系统,最终“七夕号”成功避开障碍物,由此证明了本文提出的改进检测与跟踪算法的准确性和实时性以及光视觉系统的可靠性。

关键词：无人艇水面目标检测特征分层级联带宽自适应水面目标跟踪

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

水面多运动目标检测与跟踪方法研究

水面多运动目标检测与跟踪方法研究

作者：宋军哈尔滨工程大学

学位级别：硕士

我国拥有广阔的海洋领土面积,并且日渐依赖海洋空间及其资源,维护国家海洋权益、建设海洋强国便显得极其重要。水面无人艇作为海洋装备的平台之一,因其较小的体积、良好的机动性能以及无人伤亡等特点,正逐步应用于水面无人巡逻、海底资... 详细信息

我国拥有广阔的海洋领土面积,并且日渐依赖海洋空间及其资源,维护国家海洋权益、建设海洋强国便显得极其重要。水面无人艇作为海洋装备的平台之一,因其较小的体积、良好的机动性能以及无人伤亡等特点,正逐步应用于水面无人巡逻、海底资源勘测以及极地科学考察等领域。本文以水面无人艇为平台,对水面多运动目标检测与跟踪方法进行了重点研究。通过将水面存在的多个运动目标检测出来并进行连续的跟踪,从而使无人艇对障碍物进行躲避并完成特定目标的跟踪任务。具体研究内容如下:首先,对多运动目标检测与跟踪基础理论进行了研究,从运动目标检测算法、跟踪算法以及跟踪过程中使用的数据关联算法等三个方面进行了分析,总结了三者的优缺点,为论文的进一步研究提供理论基础。其次,本文引入目前较流行的卷积神经网络作为基础检测算法,针对YOLO-V3检测算法计算量较大,对于计算处理设备的性能要求较高,导致其在嵌入式设备上运行速度较慢的问题,通过引入扩张-映射（EP）模块以及映射-扩张-映射（PEP）模块,替换YOLO-V3中原有的深度残差网络,得到轻量化的检测网络（YOLO-V3-LT）,在保留了网络的检测精度的同时,提升了网络的检测速度使其能够适用于嵌入式设备从而搭载于USV上。通过在水面船舶目标数据集上对轻量化的检测网络训练,在嵌入式设备上测试的结果表明,轻量化的检测网络保持了检测水面目标的精度,且每帧图像的检测速率得到有效提升。针对外观相近的船舶目标之间存在遮挡的问题,本文引入Mask R-CNN算法对水面多个船舶目标进行检测及实例分割,获得目标的轮廓掩码特征向量,以此增强遮挡场景下数据关联的稳定性。基于YOLO-V3-LT算法和Mask R-CNN算法,本文提出了基于YOLO-V3-LT的水面多运动目标跟踪算法以及基于Mask R-CNN的水面多运动目标跟踪算法,通过公共数据集验证了本文提出的跟踪算法的有效性。然后,本文对传统的数据关联算法进行了改进,提出一种基于信息融合的数据关联算法:在目标被短暂遮挡期间用运动模型对目标运动信息进行预测,构建基于运动信息的数据关联算法;使用卷积神经网络提取的目标的表观特征信息以及Mask R-CNN输出的目标的掩码信息构建基于特征信息的数据关联算法;采用权重值将基于运动信息的数据关联算法与基于特征信息的数据关联算法进行融合,得到基于信息融合的数据关联算法。通过与传统方法对比验证了本文提出的基于信息融合的数据关联算法的有效性。最后,以“USV一号”水面无人艇为平台搭建了针对水面多个运动目标跟踪的软硬件系统,并通过水面多运动目标检测跟踪试验验证所研究方法的有效性。试验结果表明:基于YOLO-V3-LT的水面多运动目标跟踪方法在测试集上计算得到的平均精度为88.74%,并且在进行实时的检测试验时,其帧率维持在40fps左右,在水面四个场景试验中,其跟踪的平均准确率达到了 92.39%,并且能有效的降低遮挡对于跟踪的影响;基于Mask R-CNN的水面多运动目标跟踪方法在测试集上计算得到的平均精度为94.52%,在水面四个场景试验中,其跟踪的平均准确率达到了 98.16%,能够以较高的准确度对目标进行跟踪,并且在较多目标之间存在遮挡的场景下,通过使用分割得到的掩码信息进行数据关联能够有效地降低目标之间ID跳变以及跟踪丢失现象的发生。

关键词：水面目标检测卷积神经网络多运动目标跟踪数据关联无人艇