| 联合YOLOv4和迁移学习的侧扫声纳图像沉船检测 |
| |
| 作者姓名： | 于永灿 李永奎 龚权华 李应超 |
| |
| 作者单位： | 武汉大学 测绘学院,湖北 武汉 430079;武汉大学 海洋研究院,湖北 武汉 430079;交通运输部 东海航海保障中心 上海海事测绘中心,上海 200090;中交三航(上海)新能源工程有限公司,上海 200137;海军士官学校 航海系,安徽 蚌埠 233000 |
| |
| 基金项目： | 国家自然科学基金(41576107);中交三航局A类课题(2020-04) |
| |
| 摘 要： | 为解决侧扫声纳(SSS)图像沉船检测中样本不足、代表性弱等带来的检测精度低的问题,提出了一种联合YOLOv4和迁移学习的SSS图像沉船检测方法。首先,基于SSS成像机理实现了SSS沉船图像样本扩增,解决样本少而无法开展沉船检测模型构建的难题;然后,利用迁移学习,将公共数据集上学习到的权重和沉船通用性特征引入YOLOv4网络,构建高性能沉船检测模型。试验表明,构建的沉船检测模型取得了85.5%的类平均精度(mAP),将传统方法的检测精度提升了7.7%,在少样本情况下实现了沉船的高精度检测。
|
| 关 键 词： | 水下目标检测 侧扫声纳图像 深度学习 迁移学习 数据增强 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《海洋测绘》浏览原始摘要信息 |
|
点击此处可从《海洋测绘》下载免费的PDF全文 |
|
