基于YOLOv5的遥感图像舰船的检测方法

来源：电子测量技术杂志2021年第8期北京时间：

作者：张宏群，班勇苗，郭玲玲，金云飞，陈檑

单位：1.南京信息工程大学， 南京 210044; 2.南京信息工程大学 江苏省大气环境与装备技术协同创新中心 南京 210044 3.南京信息工程大学滨江学院，无锡 214105 4.上海卫星工程研究所，上海 201100

摘要：利用遥感图像对海面上舰船进行监控已成为目前研究的热点，为了解决传统舰船检测需人工选择特征、耗时耗力、原始YOLO算法对密集分布小目标检测精度不高的缺陷，本文提出了一种基于YOLOv5的遥感图像舰船检测方法，使用Kaggle平台提供的遥感数据集，在Pytorch框架上训练，损失函数设计为CIOU_LOSS，目标框的选择使用DIOU_NMS算法，使被遮挡、重叠的目标检测效果增强。经实验对比，此目标检测模型对被遮挡、排列密集的舰船的检测精度优于其他模型，其平均检测精度由原始的88.75%提升到91.27%。

关键词：舰船;目标检测;深度学习;YOLOv5

基金资助：国家自然科学基金（61671248）