【摘 要】
:
内河航运具有船舶种类多、船只密度大、随波起伏、水雾影响、岸桥环境复杂等特点。要保障内河航运的安全、高效运行,必须建立先进智能的航运管理体系,而对船舶目标的快速、精确检测和有效跟踪是智能化航运管理体系的基础和关键技术,其研究对提高船舶的智能驾驶和管理部门的管理水平具有重要意义。传统的船舶目标检测算法在复杂的内河航道上鲁棒性较差、检测精度弱、耗时多,不能满足船舶的智能航行管理需求。近年来,随着深度学习
论文部分内容阅读
内河航运具有船舶种类多、船只密度大、随波起伏、水雾影响、岸桥环境复杂等特点。要保障内河航运的安全、高效运行,必须建立先进智能的航运管理体系,而对船舶目标的快速、精确检测和有效跟踪是智能化航运管理体系的基础和关键技术,其研究对提高船舶的智能驾驶和管理部门的管理水平具有重要意义。传统的船舶目标检测算法在复杂的内河航道上鲁棒性较差、检测精度弱、耗时多,不能满足船舶的智能航行管理需求。近年来,随着深度学习在各类竞赛中大放异彩,越来越多的研究者使用深度学习算法来进行船舶的检测与识别。本论文针对传统的船舶目标检测算法存在的问题,设计了基于特征注意力和特征融合增强技术的YOLOv3算法作为船舶目标检测器,将改进的Deep SORT跟踪算法作为船舶跟踪模块,两者相结合,实现内河船舶的自动检测与跟踪。本文的主要内容概括如下:1.通过在内河航道监控视频上选取一定帧数制作船舶数据集,并通过Label Img标注为VOC格式,考虑过拟合问题,通过数据扩充的手段增加数据集数量。然后基于监控视频进行传统船舶目标检测算法实验,分析了传统算法在内河船舶检测上的局限性。2.在自建的数据集上,基于Faster R-CNN、SSD和YOLOv3算法进行对比实验,分别将三种算法的船舶目标检测平均精度、各类别精度、准确率、召回率和时间等指标进行对比分析,选择性能最佳的YOLOv3算法进行优化改进。设计了基于特征注意力和特征融合增强技术的AE-YOLOv3(Feature Attention Feature Enhancement YOLOv3)船舶目标检测器。通过引入注意力机制构建特征注意力模块,将其嵌入Darknet-53中进行特征通道的重校准,提高了模型在复杂通航背景下目标的特征提取能力;针对YOLOv3特征融合过程中,低层特征语义信息不足的问题,构建特征增强模块,将其作用于特征融合部分,增强了对应的特征层的感受野大小和特征提取网络的关联度。在扩充后的船舶数据集上进行实验,结果表明AE-YOLOv3检测器不论检测性能还是时间都有着更好的效果。3.将AE-YOLOv3船舶目标检测器与改进的Deep SORT跟踪算法结合,实现船舶的自动检测与跟踪。使用AE-YOLOv3目标检测器对水面船舶进行检测,然后使用改进的Deep SORT算法对船舶进行跟踪。实验结果表明,本文设计的系统可以更好的检测船舶的类别,并且可以精准跟踪相应的目标。
其他文献
常导电磁悬浮系统本身具有较强的非线性,并且在通常情况下无法保证对其模型的准确获取。传统控制方法对精确模型有很大的依赖程度,导致其无法对悬浮系统的控制品质有所保证。因此,研究单点电磁悬浮控制系统对发展和应用磁悬浮技术具有重要的现实意义。线性自抗扰控制(LADRC)能够使被控对象不依赖其数学模型,从而克服系统客观存在的非线性、不确定性对跟踪效果的影响,使系统稳定性有所保障。同时,对系统抗干扰能力的增强
近年来我国轨道交通事业发展迅速,悬挂式稀土永磁磁悬浮列车作为一种新型轨道交通应运而生,其特别适合用于风景秀丽、地形起伏的中小型城市公共交通兼城市景观浏览交通,是“特色小镇”交通系统的首选。但是悬挂式永磁磁悬浮列车始终处于悬浮状态,其结构更为复杂、控制系统存在较大时滞以及约束条件众多且运行环境复杂,因此行驶过程中易受到各种扰动影响。针对以上问题,本文提出了一种改进的遗传算法用以获得各项性能指标均较优
输煤皮带的安全运行直接影响着电厂的生产效率,研究一种实时准确的输煤皮带监测方法具有重要意义。在实际生产中,输煤皮带最常见的故障是跑偏故障和打滑故障。传统的人工巡检存在劳动强度大和实时性差等缺点,机械装置检测存在可靠性差和自动化程度低等缺点。本文以输煤皮带为研究对象,针对输煤皮带的跑偏故障和打滑故障,研究了一种电厂输煤皮带运行状态的智能视觉监测方法。主要研究内容如下:(1)首先介绍了电厂输煤系统的组
皮肤癌与结直肠癌是如今致死率较高的两种癌症,早期的临床表征分别以皮损与息肉形式存在。皮损和息肉分割作为前期性状判断、疾病分类等关键步骤的基础,为后续的疾病分析与治疗计划提供可靠的依据。同时,准确的病灶分割结果有助于提升医师对疾病的诊断及良恶性判断的精准程度。因此,无论是从推动医学图像自动分割相关研究发展视角,还是从辅助临床医师诊断角度,开展皮肤病灶与肠息肉分割研究有着重要现实意义。本文针对皮肤镜和
PM2.5是空气污染物中直径小于或等于2.5μm的可吸入肺部的悬浮颗粒,能破坏人体的呼吸系统、心血管系统、血液系统甚至为病毒的传播提供途径,因此PM2.5预测对于人类健康具有重要意义。PM2.5受工厂运作和人们交通出行等多因素影响具有非线性和不平稳性,导致PM2.5预测精度较低。现有的PM2.5预测模型大多未考虑与PM2.5相关的PM10,CO等多变量输入之间的相关关系特征提取,难以保证PM2.5
随着道路交通的发展,汽车的种类越来越多元化,混合车型组成的车流已经对道路和交叉口通行能力产生制约和影响;同时人们为了日常交通服务的便利使用二轮车出行的频率越来越高,导致二轮车对道路交通产生干扰的现象频繁发生,尤其是严重干扰信号交叉口机动车的行驶并使通行能力下降。为改善以上交通问题本文关于道路和交叉口通行能力的研究围绕混合机动车型展开,同时在分析交叉口通行能力的过程中考虑到二轮车干扰的因素。首先针对
我国生猪养殖行业长期呈现低水平、散户化、周期性特征,随着非洲猪瘟暴发、环保政策趋严,我国生猪养殖行业去散户化进程加快,落后产能不断淘汰,规模化、专业化、集中化生产经营成为发展趋势。行业全产业链经营模式成为企业的发展方向,行业集中度持续提升。散户化导致生猪养殖行业存在明显的“周期性”,“周期性”特征不仅不利于企业健康发展,同时,也缺少有效地抵质押物,与金融信贷产品特征不匹配,难以获取中长期信贷产品。
磁悬浮技术使物体悬浮避免与接触面摩擦,具有节约能源、延长设备使用年限等优点。但磁悬浮系统具有时滞性、非线性以及不确定性等特征,若根据系统模型设计控制器,当系统因外界环境影响造成参数改变时,会导致控制系统性能变差。因此,研究一种实用、可靠的控制系统是磁悬浮技术运用到实际生活中的关键。针对磁悬浮球系统的非线性,以及小球悬浮过程中可能受到不确定扰动等问题。本文采用自抗扰控制技术对磁悬浮球系统的不确定扰动
近几年来,随着计算机视觉和人工智能的快速发展,自动驾驶和辅助驾驶技术开始进入大众视野,这其中的一个重要板块便是行人检测技术,因此该技术也成为了国内外众多学者关注的研究内容之一。完善的行人检测技术可以有效减少交通事故发生的几率,增加了行车的安全性,保护人们的生命财产安全。目前实现对道路场景中的行人检测面临着许多挑战:道路场景中的行人所处的环境复杂,场景中包含多种类别的物体;行人姿态各异,运动状态也不
皮肤癌严重威胁着人类的身心健康,早期皮肤病的诊断对于患者的治疗至关重要,借助医学图像分割算法精确提取病灶区域对于临床诊断具有重要价值。传统的图像分割算法需要依靠人的先验知识进行特征筛选,算法鲁棒性较差,而基于深度学习的算法具有很强的自学能力,可自适应地学习图像中的复杂特征,在皮肤病灶分割任务中有效提升了分割精度和速度。针对皮肤病灶区域中纹理和颜色等同质化特征较多,造成分割结果与标签偏差较大的问题,