面向无人机的深度学习内河船舶小目标检测方法AET-电子技术应用-最丰富的电子设计资源平台

面向无人机的深度学习内河船舶小目标检测方法
所属分类：技术论文
上传者：wwei
文档大小：6937 K
标签：深度学习 YOLOv11 无人机视角下内河船舶检测
所需积分：0分积分不够怎么办？
文档介绍：在内河低空无人机视角的船舶检测中，由于小目标和船舶遮挡等问题，传统算法在复杂背景、光照反射和波纹干扰下在准确检测小型船舶方面尚不成熟。为了解决这些问题，提出了一种基于YOLOv11n的改进算法——YOLO11-FFW（YOLO11—FEM FFM_Concat WIoUv2）。为提升小目标船舶的特征提取能力，引入了特征增强模块（FEM），通过多分支空洞卷积扩展感受野并融合多尺度上下文信息。为增强复杂背景下的多尺度特征表达，引入了特征融合模块（FFM_Concat），在BiFPN结构基础上加入可学习的权重重标定机制，实现了高低层特征的自适应融合。为提高模型在水面反光、遮挡及密集目标场景中的鲁棒性，改进了损失函数为WIoUv2，动态加权平衡定位与分类损失。实验结果表明，YOLO11-FFW相比YOLOv11，mAP@0.5提升1.4%，精确率提高0.8%，召回率提高2.4%，验证了该算法在复杂无人机视角下内河场景中检测小型船舶的有效性。
现在下载
VIP会员，AET专家下载不扣分；重复下载不扣分，本人上传资源不扣分。