基于YOLOv5的海洋环境船舰目标检测
韩沁东
石凡
贾晨
赵萌
学习型智能系统教育部工程研究中心 天津 300384;天津理工大学计算机科学与工程学院 天津 300384
摘要：在海洋领域自动化和智能化是趋势,目标检测算法是实现智能化的核心.目前目标检测模型中,YOLOv5因其模型体积小,运行速度快,易部署等优点,被广泛应用在各种领域中.但YOLOv5并不是针对海洋环境进行实现,在面对海洋领域中的数据时无法达到很好的性能.为使YOLOv5能够更好地应用在海洋环境中,该文分析了海洋环境的数据特征,针对这些特征提出了变暗增强、加雾增强、加雨增强等数据预处理,使得训练的模型可以更好地应对海洋环境中复杂环境及天气条件.在使用该算法后,YOLOv5模型在海洋环境中对船舰目标的预测的平均检测精度均值(mAP)从61.1%提高至67.6%.
关键词：目标检测机器视觉深度学习
分类号：TP391.4(计算技术、计算机技术)
资助基金：国家自然科学基金(62020106004)国家自然科学基金(92048301)天津市研究生科研创新项目(2021YJSO2B15)
论文发表日期：2025-05-20
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：6( 1273-1278 )
英文信息