文章详情
| 稿件标题： | 基于轻量级YOLOv4与KCF的复杂海面舰船目标识别 |
| 稿件作者： | 金敏捷，童雨舟 |
| DOI： | 10.11809/bqzbgcxb2024.11.001 |
| 科学编辑： | 张兰勇 博士（哈尔滨工程大学 教授、博导） |
| 栏目名称： | 智能舰船自主航行技术专栏 |
| 关键词： | 轻量级YOLOv4网络；KCF算法；复杂海面；舰船目标识别；双向均衡化；特征图 |
| 文章摘要： | 对于远距离或小尺寸的舰船目标，采用轻量级YOLOv4模型可提供高效实时的特征提取，降低计算和存储资源的需求，这对于长时间海上任务或移动设备十分重要。并且单一尺度特征提取容易导致识别结果出现较大误差，因此提出基于轻量级YOLOv4与KCF的复杂海面舰船目标识别方法。首先，对海面远小舰船图像进行双向均衡化处理，突出图像的细节。其次，设计一种更加轻量化的YOLOv4网络，从3个不同尺度提取舰船目标特征图，更快捷地捕捉舰船目标的位置和动态变化。最后，通过KCF算法结合相似度阈值，筛选出目标像素，构造舰船目标图像，完成舰船目标的识别。实验结果表明：所研究方法双向均衡化处理后图像质量得到提升，SNR最高达到35.4 dB，SSIM最大值为0.94；轻量化特征提取效果较为理想，特征提取的时间复杂度最低为1.2 s；相较于YOLOX-S算法、级联网络方法，所研究方法能够识别出全部的舰船目标，精准度达到了100%；所研究方法的最大帧率为49.6帧/s，相较于YOLOX-S算法、级联网络方法分别提升了84.40%与192.31%。因此，说明该方法能够更加精准地识别复杂海面舰船目标。 |
| 引用本文格式： | 金敏捷，童雨舟.基于轻量级YOLOv4与KCF的复杂海面舰船目标识别［J］.兵器装备工程学报，2024，45(11)：1-10. JIN Minjie, TONG Yuzhou.Complex sea surface ship target recognition based on lightweight YOLOv4 and KCF［J］.Journal of Ordnance Equipment Engineering，2024，45(11)：1-10. |
| 刊期名称： | 2024年11期 |
| 出版时间： | 2024年11月 |
| 收稿日期： | 2024-01-18 |
| 修回日期： | 2024-02-06 |
| 录用日期： | 2024-03-27 |
| 上线时间： | 2024年11月30日 |
| 浏览次数： | 1220 |
| 下载次数： | 205 |
| 免费阅读PDF 在线阅读 下载本期目录 下载本期封面 | |