基于类加权YOLO网络的水下目标检测 |
| |
引用本文: | 朱世伟,杭仁龙,刘青山.基于类加权YOLO网络的水下目标检测[J].南京师大学报,2020,43(1). |
| |
作者姓名: | 朱世伟 杭仁龙 刘青山 |
| |
作者单位: | 南京信息工程大学自动化学院,江苏 南京,210044 |
| |
基金项目: | 江苏省高校自然科学研究面上项目;江苏省青年基金项目 |
| |
摘 要: | 由于水下目标检测面临着图像模糊、尺度多样化、复杂背景等问题,给水下目标检测应用带来很多挑战.本文提出了一种基于类加权YOLO网络的水下目标检测方法,主要思想是在深度网络YOLO的基础上,构造了类加权损失函数,来平衡样本难易程度以获得更好的效果,并引入了目标框自适应维度聚类方法,进一步提升了检测性能.实验结果表明,本文算法与传统的YOLO网络模型相比,在每幅图片包含近20个目标的密集目标检测任务中,能够将平均准确率从71.2%提升至74.1%,召回率由71.1%提升到78.3%.
|
关 键 词: | 水下目标 YOLO 类加权损失 自适应维度聚类 |
本文献已被 CNKI 万方数据 等数据库收录! |
|