基于YOLOv4改进算法的船舶目标检测研究OA
提出了一种基于YOLOv4的深度学习模型,使用华为诺亚方舟实验室的GhostNet网络作为特征提取的主干网络,沿用YOLOv4的空间金字塔池化结构保留了多尺度空间信息,并引入ECA注意力机制(Efficient Channel Attention,即高效通道注意力机制)捕捉通道交互,提高模型对船舶目标的检测能力。实验结果显示,改进后的模型参数量为19.6 M,浮点计算次数为13.2 G,准确率达到了93.2%,同时模型的推理速度提升显著,在嵌入式设备Jetson Nano上,单张图片检测时间仅为47 ms,该模型基本满足实时船舶检测的要求,同时为保障港航安全和实现海事监管和海上救援智能化提供了技术支撑。
刘莉敏
北海航海保障中心烟台航标处,山东烟台264000
交通工程
船舶检测YOLOv4ECA注意力机制GhostNet模型
《中国海事》 2026 (7)
P.53-56,4
评论