基于 YOLOv3 模型的海上场景实时目标检测
计算机视觉与模式识别
2020-03-03 v1 机器学习
机器学习
摘要
本工作提出了一种新颖的船舶数据集，包含通过网页抓取收集的超过 56k 张海洋船舶图像，涵盖 12 个船舶类别。基于该数据集构建了使用 Keras API 的 YOLOv3 单阶段检测器。当前在四个类别（货船、军舰、油船和拖船）上的结果表明，在交并比（IoU）为 0.5 时平均精度（Average Precision）高达 96%，且在 IoU 达 0.8 时检测性能令人满意。还实现了基于 QT 框架和 Darknet-53 引擎的数据分析 GUI 服务，以简化部署流程并分析海量图像，即使无数据科学专业知识的人员也可使用。
引用
@article{arxiv.2003.00800,
title = {Real-Time target detection in maritime scenarios based on YOLOv3 model},
author = {Alessandro Betti and Benedetto Michelozzi and Andrea Bracci and Andrea Masini},
journal= {arXiv preprint arXiv:2003.00800},
year = {2020}
}
备注
Paper presented at the 9th International Symposium on Optronics in Defence & Security, 28-30 January 2020 (OPTRO2020, Paris). Oral Presentation