为完善海上落水人员搜救手段,改进落水人员搜救效率较低的问题,利用卷积神经网络在目标检测领域中突出的识别能力,文章提出了一种基于YOLOv4(You Only Look Once version 4)网络的改进方法。首先,针对网络参数冗余的问题引入模型轻量化...为完善海上落水人员搜救手段,改进落水人员搜救效率较低的问题,利用卷积神经网络在目标检测领域中突出的识别能力,文章提出了一种基于YOLOv4(You Only Look Once version 4)网络的改进方法。首先,针对网络参数冗余的问题引入模型轻量化思想,将网络中参数冗余的主干特征提取网络部分改进为参数精简的GhostNet;其次,在轻量化后的YOLOv4网络中引入混合注意力机制模块,可有效缓解网络对小目标检测性能欠佳的问题;最后,将设备采集的红外图像数据集传入网络训练,对比并解析评价值。结果表明,相较于原版YOLOv4,改进YOLOv4网络的检出率提高了10%以上,检测速度提高了70%以上,在理论上可满足实时检测的需求,可为落水人员检测搜救提供新思路。展开更多
文摘为完善海上落水人员搜救手段,改进落水人员搜救效率较低的问题,利用卷积神经网络在目标检测领域中突出的识别能力,文章提出了一种基于YOLOv4(You Only Look Once version 4)网络的改进方法。首先,针对网络参数冗余的问题引入模型轻量化思想,将网络中参数冗余的主干特征提取网络部分改进为参数精简的GhostNet;其次,在轻量化后的YOLOv4网络中引入混合注意力机制模块,可有效缓解网络对小目标检测性能欠佳的问题;最后,将设备采集的红外图像数据集传入网络训练,对比并解析评价值。结果表明,相较于原版YOLOv4,改进YOLOv4网络的检出率提高了10%以上,检测速度提高了70%以上,在理论上可满足实时检测的需求,可为落水人员检测搜救提供新思路。