基于卷积神经网络的航母舰桥识别

针对反舰导弹攻击航母时雷达关机的问题,提出转变制导方式为可见光制导,并采用YOLOv5神经网络对舰桥自动识别的技术方案。由于航母数据集较少,采用Mosaic数据增强的方法,不仅增加了数据集数量,而且提高了网络的鲁棒性。将特征明显、目标较大的舰桥作为主要识别对象。在对数据集进行建立之后,完成了对其的测试以及训练,从而获得了以下研究结论:在不同情况、不同角度的航母识别中,检测准确率可达到90%以上,对航母准确识别跟踪任务具有重要意义。