一个轻量级的CNN,用于从无人驾驶船舶中多源红外探测船只

科学领域:

• 计算机视觉 计算机视觉
• 海上监控技术的使用.
• 红外成像技术 红外成像技术

背景情况:

• 红外船舶检测对于海上安全和监视至关重要.
• 现有的方法与无人驾驶船舶 (UMV) 上的资源有限的嵌入式设备作斗争.
• 有限的研究探索各种红外频谱用于海洋物体检测.

研究的目的:

• 开发轻型卷积神经网络 (CNN) 以在UMV上有效检测船舶.
• 分析不同红外光谱范围 (SWIR,LWIR) 和用于海洋物体检测的融合图像的性能.
• 为UMV感知系统提供有关传感器选择和检测能力的参考.

主要方法:

• 建议使用瓶深度可分离卷积与残余的轻量级CNN.
• 整合了通道和空间注意力机制,并重新设计了箱,以提高网络容量.
• 在新发布的红外船舶数据集上开发和测试模型,包括SWIR,LWIR和融合图像.

主要成果:

• 拟议的方法在通过SWIR,LWIR和融合红外图像检测船只时实现了高精度.
• 在具有较少参数的嵌入式设备上,证明了高推断速度 (近60 FPS).
• 对比实验验证实了开发的轻量级CNN的有效性.

结论:

• 具有注意力机制的轻量级CNN对于嵌入式UMV系统上的实时红外船舶检测是有效的.
• 使用多个红外频谱和融合图像可以提高海洋环境中的检测性能.
• 该研究为UMV感知系统设计和海上监视的传感器选择提供了宝贵的见解.