- 1、本文档共13页,其中可免费阅读12页,需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于yolov3网络声呐图像目标识别方法,该方法对于海底小目标或有遮挡物的目标起到很好的识别效果,本发明属于一种计算机视觉深度学习目标检测、多特征融合的目标检测方法,通过多尺度跨层检测并结合深层语义信息与浅层语义信息,更好适应了对小目标检测。针对原始yolov3算法在声呐图像目标检测上的检测精度不高、目标框出现误检和小目标漏检的问题,本发明提出了改进检测算法MY‑YOLOV3,并在多尺度特征融合中加入DCA融合策略,提高模型对声呐目标的检测能力。本发明以MY‑YOLOV3为算法框
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 113052200 A
(43)申请公布日 2021.06.29
(21)申请号 202011453739.X
(22)申请日 2020.12.09
(71)申请人 江苏科技大学
地址
文档评论(0)