基于改进YOLOv5深度学习的海上船舶识别算法

来源：大连海洋大学学报杂志2022年第5期北京时间：

作者：张晓鹏, 许志远, 曲胜, 邱文轩, 翟泽宇

单位：大连海洋大学 航海与船舶工程学院，辽宁 大连 116023

摘要：为提高多目标和雾天环境下的海上船舶识别准确率，提出一种基于改进YOLOv5深度学习的海上船舶识别模型(SE-NMS-YOLOv5)，该模型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,对船舶数据集进行训练和测试。结果表明：在船舶识别任务上，SE-NMS-YOLOv5模型的准确率、召回率和F1值分别为90.6%、89.9%、90.5%，检测效果比YOLOv5模型分别提升了6.3%、4.8%、5.8%，比YOLOv4模型分别提升了19.1%、19.0%、19.3%；在雾天船舶识别任务上，SE-NMS-YOLOv5-Dark channel模型的准确率、召回率和F1值分别为88.1%、87.2%、87.6%，比SE-NMS-YOLOv5模型的检测结果分别提升了13.8%、13.3%、13.5%。研究表明，SE-NMS-YOLOv5海上船舶识别模型有效地解决了多目标和雾天条件下，海上船舶检测准确率低的问题，提升了船舶检测和识别的整体效果。

关键词：船舶识别,YOLOv5,特征提取,深度学习

基金资助：辽宁省教育厅科研项目(QL201911)