基于YOLOv5的红外船舶目标检测算法

针对红外船舶目标在海上复杂海天背景下检测困难,且数据集目标大小与锚框不符造成的算法边界回归效果差、检测不准确等问题,提出了一种基于改进YOLOv5的红外船舶目标检测算法。首先针对锚框与数据集目标形状不匹配问题,通过改变K-means++聚类算法选取簇中心的评价标准,使用中位数代替平均数来决定簇中心,改进了锚框算法,使得锚框与船舶目标更加匹配,提高了算法的平均检测精度。改进后的聚类算法得到的锚框更加符合目标的分布特点。其次针对CIoU(Complete intersection over union)存在梯度爆炸、误检和漏检问题,通过改进边框回归损失函数中关于长宽比的惩罚项提出了MIoU(Multivariate intersection over union)回归损失函数,优化了算法的回归过程,提高了算法的收敛速度和检测精度,避免了相似目标的误检和漏检。改进后的回归损失函数使边框损失降低了1.5%。在红外船舶数据集上进行了消融实验和对比实验,消融实验结果表明文中改进算法的平均检测精度值相较于标准YOLOv5算法提高了1.1%,对比实验结果表明文中改进算法相较于其他改进YOLOv5算法具有更高的平均检测精度,验证了文中改进算法的优越性,提升了红外船舶目标的检测效果。

桥梁防撞系统中的红外船舶目标检测算法

红外热成像技术在内河航运安全保障体系当中有很广阔的应用前景。该论文提出了一种能够应用于内河环境,背景固定情况下的红外船舶目标检测算法。该算法综合利用了帧间差分法对目标运动敏感和背景差分法对目标轮廓提取完整的优点,并引入了自适应背景模型。通过实验表明,该算法对目标检测准确,目标信息完整,并具有良好的实时性和鲁棒性。