10.3969/j.issn.1001-4616.2020.01.019
基于类加权YOLO网络的水下目标检测
由于水下目标检测面临着图像模糊、尺度多样化、复杂背景等问题,给水下目标检测应用带来很多挑战.本文提出了一种基于类加权YOLO网络的水下目标检测方法,主要思想是在深度网络YOLO的基础上,构造了类加权损失函数,来平衡样本难易程度以获得更好的效果,并引入了目标框自适应维度聚类方法,进一步提升了检测性能.实验结果表明,本文算法与传统的YOLO网络模型相比,在每幅图片包含近20个目标的密集目标检测任务中,能够将平均准确率从71.2％提升至74.1％,召回率由71.1％提升到78.3％.
水下目标、YOLO、类加权损失、自适应维度聚类
43
TP391(计算技术、计算机技术)
江苏省高校自然科学研究面上项目18KJB520032;江苏省青年基金项目BK20180786
2020-04-15（万方平台首次上网日期，不代表论文的发表时间）
共7页
129-135
