基于卷积神经网络的海上船舶检测技术  

作　　者：王静举 

机构地区：[1]中国人民武装警察部队海警学院

出　　处：《数字技术与应用》2024年第8期201-203,共3页Digital Technology & Application

摘　　要：针对传统海上船舶检测识别系统易受到干扰、精确度低等缺陷,本文提出了在复杂气象条件下基于YOLOV5的海上船舶检测识别技术方案,该方案的核心思想是在处理复杂气象条件下的海上船舶遥感图像目标检测识别任务时,先对处理图像使用暗通道去雾算法进行去雾处理。该算法能够降低图像中目标被云雾遮挡的程度,恢复目标物体的细节特征,同时增强远景细节,为后续目标检测识别环节作好准备。然后,将CBAM注意力机制引入YOLOV5目标检测模型的主干网络。该机制让网络能够自动关注和学习关键的特征信息,进而实现提取重要特征和抑制无关特征的功能。

关 键 词：卷积神经网络 注意力机制 主干网络 细节特征 海上船舶 暗通道 去雾算法 检测识别 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程] TP391.41[自动化与计算机技术—控制科学与工程] U675.7[交通运输工程—船舶及航道工程]