使用EL-YOLO算法进行智能船舶物体检测的简化方法
Defu Yang1, Mahmud Iwan Solihin2, Igi Ardiyanto3
1Faculty of Engineering, Technology and Built Environment, UCSI University, Kuala Lumpur, Malaysia. 1002266257@ucsiuniversity.edu.my.
Scientific reports
|July 2, 2024
概括
这项研究介绍了EL-YOLO,这是一种高效的轻量级物体检测算法,用于智能船只. 它提高了准确性,并在具有挑战性的海上环境中降低了计算负载.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 海洋技术 海洋技术
背景情况:
- 在复杂的环境 (波浪,反射) 中,由于低质量的特征,海上物体检测面临挑战.
- 现有的YOLOv8探测器在智能船只的功能理解和计算效率方面扎.
- 无人智能飞船需要轻量级,具有成本效益的物体检测硬件.
研究的目的:
- 开发一个高效的轻量级你只看一次 (EL-YOLO) 算法,用于智能船舶物体检测.
- 改进海上物体的界限框回归和特征分析.
- 创建一个精简和轻量级的网络架构,以提高计算效率.
主要方法:
- 基于YOLOv8.8的提议EL-YOLO算法
- 嵌入了充足的智能IOU (AWIoU) 用于界限框回归.
- 使用快捷方式的多子子 (SMFN) 进行特征分析和贪驱动的过器修剪 (GDFP) 进行网络简化.
主要成果:
- EL-YOLO在检测精度和轻量特性方面取得了显著的进步.
- 使用RGB摄像头实现了智能船舶物体检测的卓越性能.
- 与海上场景中的标准YOLOv8模型相比,显示了显著的改进.
结论:
- 在智能航运中,EL-YOLO为高效准确的物体检测提供了一个有前途的解决方案.
- 该算法有效地应对复杂的海上环境中的挑战.
- 对于海上物体检测应用,EL-YOLO提供了一种轻量级但高性能的替代方案.


