基于改进Yolov3算法的舰船目标检测识别系统

针对复杂战场环境下对海目标检测识别的需求,设计了一种基于改进Yolov3算法的海面舰船目标实时检测识别系统。使用微调分类网络、增加训练尺度、聚类目标边框维度、二级特征分类等方法对Yolov3检测识别网络模型进行了优化,在提高识别精度的同时有效降低了漏检率和虚警率。实验结果表明,优化后的网络模型在自建的舰船图像数据库中将检测识别平均准确率提高到了79.3%,对真实海上航拍视频中舰船目标识别的平均准确率达到了81%以上。

基于图像显著性特征的舰船目标检测识别方法

针对可见光图像中的舰船目标检测与识别问题,提出了一种基于图像显著性特征(Visual Saliency Features,VSF)的舰船目标检测识别方法。该方法包括3个主要内容:计算图像各通道全局对比度特征值,融合并进行分块压缩后得到显著图;采用Otsu算法自适应分割图像,获取舰船目标待识别区域;使用HOG特征+SVM分类器对候选区域图像进行验证识别,得到舰船目标检测识别结果。实验结果表明,提出的算法能够有效检测识别舰船目标,检测识别准确率高,算法鲁棒性好。