基于改进YOLOv3的SAR舰船图像目标识别技术.docx下载

weixin_39821620 2023-11-17 10:00:40

YOLO 卷积神经网络神经网络检测识别 , 相关下载链接：https://download.csdn.net/download/No_Name_Cao_Ni_Mei/88492630?utm_source=bbsseo

...全文

13 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

YOLO 卷积神经网络神经网络检测识别

基于改进型YOLOv3的SAR图像舰船目标检测 0.概述本文主要介绍了新提出的一种改进型YOLOv3的SAR图像船舰目标检测方法，此方法依据船舰尺寸与形状自适应采样的可变形卷积、ResNet50变体特征提取器和ShuffleNetv2（参见博客介绍)轻量化思想等设计YOLOv3模型。在SSDD数据集上验证，检测效果上比原YOLOv3模型，平均精度从93.21%提高到96.94%。检测概率从95.51%提高至97.75%；模型大小方面，轻量化设计模型仅为原来模型的八分之一。 1.研究目标利用改进型的YOL

基于YOLOv8的遥感SAR舰船小目标，阐述了整个数据制作和训练可视化过程

近年来针对合成孔径雷达(Synthetic Aperture Radar, SAR)图像中缺乏颜色和纹理细节的舰船检测技术在深度学习领域中得到了广泛研究，利用深度学习技术可以有效避免传统的复杂特征设计，并且检测精度得到极大改善。针对舰船目标检测框具有高长宽比和密集排列问题，提出一种基于改进YOLOv5的目标检测方法。

随着海上交通的日益繁忙和海上安全管理需求的提升，基于合成孔径雷达（SAR）图像的舰船目标检测成为海上监控系统中的重要研究领域。本文提出了一种基于YOLOv8的舰船目标检测系统，该系统能够高效地处理SAR图像并自动识别其中的舰船目标。为了提高目标检测的准确性和实时性，本文采用YOLOv8模型对SAR图像进行训练和优化，并设计了一个基于PyQt5的图形用户界面（GUI），实现了系统的交互式操作和结果可视化。

下载资源悬赏专区

13,656

社区成员

12,674,870

社区内容

发帖

与我相关

我的任务

其他技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章