基于深度学习的复杂气象条件下海上船舶识别

论文摘要

为提高复杂气象条件下海上船舶的识别效果,通过暗通道先验去雾算法减少云雾遮挡对目标识别的影响,使用基于深度学习的YOLO(you only look once)改进算法提高目标识别效果。结果表明:采用的算法在中国航天科工四院指挥自动化中心的模拟海事数据集上,4类船舶目标识别的m AP (mean average precision)达到89. 98%,超过了对比的其他目标识别算法;针对数据集中的云雾遮挡图像,暗通道去雾处理后,目标识别的m AP从53. 25%提升到69. 35%。可见提出的算法可以满足复杂气象条件下的海上船舶识别的需求。

论文目录

• 1 算法简介
•   1.1 暗通道去雾算法
•   1.2 基于卷积神经网络的目标识别算法
•     1.2.1 YOLO目标识别算法
•     1.2.2 YOLOv2目标识别算法
•     1.2.3 YOLOv3目标识别算法及改进算法
• 2 实验结果与讨论
•   2.1 实验环境及数据集
•   2.2 实验结果与分析
•     2.2.1 传统算法与深度学习算法识别结果对比分析
•     2.2.2 深度学习算法识别结果对比分析
•     2.2.3 去雾前后深度学习算法识别结果对比分析
• 3 结论

文章来源

类型: 期刊论文

作者: 武凯利,仝宗和,张鹏升,刘亚男,刘钊

关键词: 船舶识别,暗通道先验去雾,深度学习,算法

来源: 科学技术与工程 2019年03期

年度: 2019

分类: 工程科技Ⅱ辑,基础科学,信息科技

专业: 气象学,船舶工业,自动化技术

单位: 中国人民公安大学信息技术与网络安全学院,中山大学数学学院,中国人民公安大学网络空间安全与法治协同创新中心

基金: 计算机病毒防治技术国家工程实验室项目(发改办高技[2014]25号),国家自然科学基金(61602489),国家重点研发计划(2017YFB0802804),公安部公安理论与软科学项目(2018LLYJGADX014)资助

分类号: U675.12;TP181

页码: 130-135

总页数: 6

文件大小: 238K

下载量: 591