计量学报

作者：张立国,赵嘉士,金梅,曾欣,沈明浩

单位：燕山大学电气工程学院,河北 秦皇岛 066004

关键词：视觉检测; 船舶目标;深度学习;YOLOX;CoT模块;SimAM注意力

基金：河北省中央引导地方专项(199477141G)

为了解决近岸船舶检测时目标尺度变化大,环境干扰严重等问题,提出了一种改进YOLOX的无锚框检测算法。首先,在主干网络中引入CoT模块,通过动态利用上下文信息来增强表达能力,降低环境干扰的影响;其次,将SimAM注意力嵌在特征金字塔和检测头之间,丰富语义信息,提升小目标检测精度。再利用CIOU来取代原有损失函数,以提高收敛速度;最后,使用深度可分离卷积替换特征金字塔中普通卷积,减少参数量,提升检测速度。实验结果表明:在SeaShips数据集上,改进后模型在减少参数量的同时,精度提高了6.73%,均值平均精度(mAP)达到了96.63%,检测速度达到了48.6帧/s,能够实时、高精度地检测近岸船舶。

来源：2024年第1期

《计量学报》期刊编辑部

查看计量学报杂志2024年第1期