基于改进YOLOv4-Tiny的河湖船舶目标检测算法

摘要

为有效提升复杂河湖环境下河湖过往船舶的精准快速识别效果,提出了基于改进YOLOv4-Tiny的河湖船舶目标检测算法。该算法首先通过引入Sigmoid加权线性单元(SiLU)激活函数,构建卷积+批标准化+SiLU激活函数的卷积模块,并替换主干网络中原有模块,然后在主干网络之后增加改进的空间金字塔池化(SPP)网络,最后在特征金字塔网络(FPN)中引入卷积块注意力模块(CBAM),同时采用自上而下的连接,构建改进的路径聚合网络(PANet)。实验结果表明:在昏暗、模糊、强光、遮挡重叠等复杂环境下,提出的改进YOLOv4-Tiny目标检测算法的平均精度比原始算法提升了1.27%,检测(推理)速度达到81.55帧/s,且仅占用内存37.34 MB。研究成果可为河湖过往船舶智能管理提供参考。