基于改进CenterNet的舰面多目标检测算法
黄葵1
朱兴动2
范加利1
王正1
汪丁1
1.海军航空大学青岛校区 青岛 2660412.海军航空大学 烟台 264001
摘要：针对大型船舶舰面目标复杂、遮挡严重等突出问题,在CenterNet算法基础上提出了适用于舰面目标检测的改进CenterNet算法.在数据集上,利用离线数据增强方法对图像进行裁剪旋转等操作,获得大量不同背景下的目标图像,为中心点特征提取提供充分的样本信息.为进一步解决背景干扰问题,在网络模型中引入CBAM注意力机制模块,在通道域和空间域两个方向上自适应调整权重,可以更有效突出舰面目标特征而抑制甲板背景特征.最后针对目标遮挡严重的问题,对CenterNet模型的损失函数进行改进,进一步减少目标误检和错检,提升检测精准度.通过在舰面目标数据集上进行测试和验证,改进的CenterNet模型在五类舰面目标的检测精确率和召回率分别提高了2.0％和2.9％,平均准确率达到了93.22％,检测速度可以达到35fps,可以满足舰面目标检测准确性和实时性的要求.
关键词：CenterNet注意力机制损失函数复杂场景检测数据增强
分类号：TP391.4(计算技术、计算机技术)
论文发表日期：2022-09-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 29-35 )
英文信息