基于YOLOv3模型的侧扫声呐沉船目标检测方法存在小目标漏警率高、模型权重大、检测速度未能满足实时性需求等问题,根据数据集特点,提出基于YOLOv5模型的侧扫声呐海底沉船目标检测方法。在YOLOv5模型的基础框架下,构建YOLOv5a、YOLOv5b、...基于YOLOv3模型的侧扫声呐沉船目标检测方法存在小目标漏警率高、模型权重大、检测速度未能满足实时性需求等问题,根据数据集特点,提出基于YOLOv5模型的侧扫声呐海底沉船目标检测方法。在YOLOv5模型的基础框架下,构建YOLOv5a、YOLOv5b、YOLOv5c、YOLOv5d、YOLOv5s、YOLOv5m、YOLOv5l和YOLOv5x 8种不同深度和宽度的模型结构进行对比实验,并选择最优的结构,使用GA+K(genetic algorithm and K-means)算法优化检测框,并对损失函数进行改进。实验结果表明,改进的YOLOv5a模型在交并比阈值设置为0.5和0.5~0.95的平均准确率分别较原始模型提高了0.3%和0.6%,较YOLOv3算法分别提高了4.2%和6.1%,检测速度达到426帧/s,提升了近一倍,更加益于实际应用和工程部署。展开更多
文摘基于YOLOv3模型的侧扫声呐沉船目标检测方法存在小目标漏警率高、模型权重大、检测速度未能满足实时性需求等问题,根据数据集特点,提出基于YOLOv5模型的侧扫声呐海底沉船目标检测方法。在YOLOv5模型的基础框架下,构建YOLOv5a、YOLOv5b、YOLOv5c、YOLOv5d、YOLOv5s、YOLOv5m、YOLOv5l和YOLOv5x 8种不同深度和宽度的模型结构进行对比实验,并选择最优的结构,使用GA+K(genetic algorithm and K-means)算法优化检测框,并对损失函数进行改进。实验结果表明,改进的YOLOv5a模型在交并比阈值设置为0.5和0.5~0.95的平均准确率分别较原始模型提高了0.3%和0.6%,较YOLOv3算法分别提高了4.2%和6.1%,检测速度达到426帧/s,提升了近一倍,更加益于实际应用和工程部署。
