針對智能船艇在自主導航和避障過程中對環(huán)境感知的速度和精度需求,提出基于深度學習的海上目標快速檢測方法,并構建以船舶、浮標和島嶼為檢測目標的海上目標數(shù)據(jù)集。該方法通過提取目標圖像不同尺度特征語義信息,應用多框檢測器實現(xiàn)對目標的分類和定位,采用非極大值抑制算法篩選最優(yōu)結果,實現(xiàn)海上目標快速高精度檢測。試驗結果顯示,該方法在自建數(shù)據(jù)集上取得了83.3%的識別正確率,單幀耗時9.8ms,在相同試驗條件下,正確率和單幀耗時均優(yōu)于現(xiàn)有同類快速目標檢測方法,表明該方法可滿足智能船艇對環(huán)境感知的速度和精度需求。 

【文章來源】：船舶工程. 2020,42(11)北大核心CSCD

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引言
1 快速船舶檢測方法
    1.1 模型結構設計
    1.2 訓練過程
2 試驗結果
4 結論


【參考文獻】：
期刊論文
[1]基于深度特征聚類的海量人臉圖像檢索[J]. 李振東,鐘勇,張博言,曹冬平.  哈爾濱工業(yè)大學學報. 2018(11)
[2]最小方差優(yōu)化初始聚類中心的K-means算法[J]. 謝娟英,王艷娥.  計算機工程. 2014(08)
[3]聚類有效性的組合評價方法[J]. 劉燕馳,高學東,國宏偉,武森.  計算機工程與應用. 2011(19)



本文編號：3206513