基于深度学习和切片技术的长距离双阶段船舶检测

科学领域:

• 计算机视觉 计算机视觉
• 人工智能的人工智能
• 海事技术 在海事技术.

背景情况:

• 远距离准确的船只检测对于智能船只视觉感知至关重要.
• 传统的图像处理方法对小,遥远的船只缺乏稳定性.
• 深度学习方法难以从低像素,遥远的船只中提取特征.

研究的目的:

• 开发一种强大而准确的方法来探测远距离的船只.
• 结合传统和深度学习技术,以改善船舶检测.
• 增强智能船舶在海上监视方面的能力.

主要方法:

• 提出了一个两阶段物体检测框架.
• 阶段1:使用YOLOv8检测海空线 (SSL) 区域,以确定潜在的船舶区域.
• 第二阶段:将另一个YOLOv8模型应用于SSL区域内的切片补丁,以精确检测船只.

主要成果:

• 实现了85%的平均精度 (AP50).
• 展示了每张图像75ms (1080x640分辨率) 的快速检测速度.
• 这种两阶段的方法有效地解决了检测小,遥远船只的挑战.

结论:

• 拟议的两阶段方法显著提高了远距离船舶检测的准确性和效率.
• 这种方法为智能船舶视觉感知系统提供了强大的解决方案.
• 集成SSL检测和基于补丁的分析可以增强小对象的功能提取.