公开(公告)号：CN117576372A

公开(公告)日：2024-02-20

申请号：CN202311540524.5

申请日：2023-11-17

Applicant: 大连海事大学

Inventor： 胡青 ,  张宇 ,  李文强 ,  郭鹏程 ,  陈文慧

IPC: G06V10/25 ,  G06V10/764 ,  G06V10/75 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开了一种基于特征增强的YOLO‑Ships轻量化船舶目标检测方法，包括以下步骤：获取待检测的船舶图像数据；将所述待检测的船舶图像数据输入训练后的YOLO‑Ships模型进行船舶目标检测，所述YOLO‑Ships模型在骨干网络中采用C3REGhost模块替代YOLOv5s网络中的C3模块，采用S‑GhostConv模块替换YOLOv5s网络中传统卷积，采用GhostSPPF模块替换YOLOv5s网络中的SPPF模块，在YOLOv5s网络中的骨干网络末端引入BoTNet模块，在特征金字塔网络和路径聚合网络中引入C3REGhost模块和EGCA船舶特征增强模块；获取所述YOLO‑Ships模型的输出作为船舶目标检测结果。本发明有效的实现在兼顾模型轻量化的同时具有较好的船舶检测精度。

公开(公告)号：CN117523179A

公开(公告)日：2024-02-06

申请号：CN202311540629.0

申请日：2023-11-17

Applicant: 大连海事大学

Inventor： 胡青 ,  张宇 ,  郭鹏程 ,  李文强 ,  刘家兵

IPC: G06V10/25 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种基于改进YOLOv5深度学习网络的船舶目标检测方法，包括：获取待检测图像数据；将所述待检测图像数据输入训练后的船舶目标检测网络，所述船舶目标检测网络基于YOLOv5模型改进获得，Backbone部分包括Ghost卷积模块、C3GCSP模块和EnSPP模块，Neck部分的特征融合模块采用特征金字塔网络和路径聚合网络，特征金字塔网络和路径聚合网络中引入了跳跃连接机制，增加了两条特征融合路径，每个路径能够通过不同的权重将不同尺度的特征进行加权融合，Head部分与YOLOv3的检测头一致；获取所述船舶目标检测网络的输出作为船舶目标检测结果。本发明提供的检测网络能够在复杂环境下提升船舶的检测精度。