By

Contents
  1. 1. 目的
  2. 2. 方法
  3. 3. 结论

一篇关于船舶图片识别的深度学习文章，简单了解

目的

为提高多目标和雾天环境下的海上船舶识别准确率

方法

改进YOLOv5，结合暗通道去雾算法 ( Dark channel) ，并融合了 SE ( squeeze-and- excitation) 注意力机制模块和改进非极大值抑制模型

结论

1) 以 YOLOv5 模型为基础，通过添加 SE 注 意力机制模块及改进 NMS 模型建立的 SE-NMS- YOLOv5 模型，对海上船舶的平均识别精度和检测速度均较好。

2) 通过暗通道方法对雾天条件下的船舶图像 进行清晰化处理，再结合 SE-NMS-YOLOv5 模型进 行识别，建立的模型有效地提高了雾天条件下的海 上船舶识别准确率，对于提高船舶航行安全具有一 定的辅助作用。

3) 船舶数据集主要依靠网络爬虫技术获取， 虽然有一定的数量，但是船舶数据集背景以海面为 主，相对简单。今后的研究将进一步丰富船舶数据 集中海上交通要素，以确保在较为复杂的海上交通 环境中也能准确识别船舶。

主要结果：



Contents
  1. 1. 目的
  2. 2. 方法
  3. 3. 结论