一种基于改进YOLOv4的舰炮弹着点水柱检测方法

为解决弹着点水柱目标准确且快速检测的问题,充分平衡检测精度和实时性要求,首先通过将轻量级深度卷积神经网络MobileNetv3与YOLOv4算法结合,并利用3×3的深度可分离卷积代替PANet中的普通卷积,构建了用于水柱检测的网络模型M-YOLOv4;然后,从检测精度、模型容量和运行速度等方面将M-YOLOv4与YOLOv3、YOLOv4和YOLOv4-tiny等进行比较。研究结果表明:M-YOLOv4对水柱目标具有良好的检测效果,能够达到与YOLOv4相当的检测精度,并且参数量显著减少、运行速度更快。

基于TD-YOLO的靶标与水柱检测

海上靶标和水柱位置是用来判定打靶效果的重要信息,实现靶标和水柱自动识别对于实现射击效果快速评估有重要意义。为此,针对靶球目标尺寸小、海上水柱目标与背景高度相似等特点,提出由Backbone、Neck和TD-Head组成的TD-YOLO目标检测模型。为进一步加速模型收敛,模型选用SIOU作为回归框损失函数,并引入剪枝模块,解决了检测过程中出现的水柱检测过拟合现象。对比实验结果表明:TD-YOLO靶标和水柱目标检测模型在靶标和水柱检测数据集上过拟合情况明显减少,检测效果良好。