增强的体空间金字塔聚合特征融合用于小型船舶实例细分
Rabi Sharma1, Muhammad Saqib1,2, C T Lin1
1School of Computer Science, University of Technology Sydney, Broadway, Sydney 2007, Australia.
Journal of imaging
|December 27, 2024
概括
本研究介绍了一种增强的Atrous Spatial Pyramid Pooling (ASPP) 功能融合方法,以改善海上环境中小型船舶的实例细分. 这种新的方法显著提高了其他算法失败的准确性.
科学领域:
- 计算机视觉 计算机视觉
- 海事监督部门的监督工作
- 深度学习 (Deep Learning) 是一种深度学习.
背景情况:
- 在海上环境中,对小型船舶的准确实例细分对于导航安全和保安等应用至关重要.
- 现有的算法难以检测和分割小型船只,因为它们的外观有限,尺寸小,位置遥远.
研究的目的:
- 开发一种新的方法来增强小型船舶的实例细分.
- 解决当前算法在检测小型海上物体方面的局限性.
主要方法:
- 提出了一种增强的Atrous空间金字塔聚合 (ASPP) 功能融合模块,专门设计用于改进和融合小物体的功能.
- 将增强的ASPP模块集成到实例细分框架中.
主要成果:
- 与Mask R-CNN和SOLOv2.2等最先进的模型相比,拟议的框架显示出更高的性能.
- 获得了高平均精度 (面具AP) 评分:在ShipSG上达到75.8%,在ShipInsSeg上达到69.5%,在MariBoats数据集上达到54.5%.
结论:
- 增强的ASPP功能融合方法有效地改善了海上场景中的小型船舶实例细分.
- 开发的框架为准确检测和细分小型船舶提供了强大的解决方案,优于现有的方法.


