تشخیص اشیاء تصاویر دریایی بر اساس YOLOv۷

الگوریتم های تشخیص اشیاء نقش مهمی در ماموریت های جستجو و نجات دریایی ایفا می کنند، جایی که برای شناسایی افراد، قایق ها و سایر اشیاء در آب های آزاد طراحی شده اند. با این حال، مجموعه داده SeaDronesee دارای ویژگی های اهداف کوچک و تداخل بزرگ سطح دریا است که چالش های بزرگی را برای آشکارسازهای عمومی شی به همراه دارد. برای رسیدگی به این مسائل، ما یک آشکارساز بهبود یافته YOLOv۷-sea را پیشنهاد می کنیم. بر اساس YOLOv۷، ما یک پیش بینی برای تشخیص افراد یا اشیاء در مقیاس کوچک اضافه می کنیم. علاوه بر این، ماژول ساده و بدون پارامتر (SimAM) را برای یافتن مناطق توجه در صحنه ادغام می کنیم. برای دستیابی به بهبودهای بیشتر در مورد YOLOv۷-sea پیشنهادی ما، برخی از استراتژی های مفید مانند افزایش داده، افزایش زمان تست (TTA) و همجوشی جعبه ای همراه (WBF) را ارائه می کنیم. در مجموعه داده چالش ODv۲، نتیجه AP YOLOv۷-sea ۵۹٪ است که حدود ۷٪ بیشتر از مدل پایه (YOLOv۷) است

کلیدواژه ها:

تصاویردریایی ، تشخیص اشیاء ، ادغام ، وسایل دریایی