CN119516162A 一种基于YOLOv8的海上船舶目标快速识别方法 （浙江科技大学）_第1页
CN119516162A 一种基于YOLOv8的海上船舶目标快速识别方法 （浙江科技大学）_第2页
CN119516162A 一种基于YOLOv8的海上船舶目标快速识别方法 （浙江科技大学）_第3页
CN119516162A 一种基于YOLOv8的海上船舶目标快速识别方法 （浙江科技大学）_第4页
CN119516162A 一种基于YOLOv8的海上船舶目标快速识别方法 （浙江科技大学）_第5页
已阅读5页，还剩17页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于YOLOv8的海上船舶目标快速识别本发明公开了一种基于YOLOv8的海上船舶大值抑制算法去除重复检测框并使用置信度阈值进行结果过滤来对模型的推理结果进行后处2S4、将数据增强处理后的图像数据分为训练集和增强方法进行随机混合并相应地调整目标边界框，数据增强处理包括随机添加高斯噪声、3式中，l1_lambda为控制正则化强度的系数，epoch表示模型训S6具体为：将数据集中的验证集部分分离出来作为模型校准数据集，使用深度学习工具深度学习工具TensorRT将生成量化后的最终检测模型，最后对最终检测模型进行性能测4[0003]YOLOv8是由Ultralytics公司开发的最新实时物体检测器，它是YOLO系列的最新设备性能有限的条件下实现YOLOv8算法的实时高效运行，快速高效的识别和监控目标船5[0016]可选的，S2具体为：清除采集过程中的无关图像以及不符合要求的图像，使用[0021]S51约束训练，为初步训练模型中的批量归一化层的权重和偏置添加L1约束，深度学习工具TensorRT的熵校准器Int8EntropyCalibrator2，在校准数据集上运行原始67前的初始样本划分为验证集(12000张)。将数据集放入YOLOv8的预训练模型进行300个[0052]进一步的，S4中的迁移训练中样本分配策略使用Task_AlignedAssigner正负样[0055]式中，s表示预测框对应真实类别的得分，而u表示预测框与真实边界框(Ground8[0060]S51约束训练，为初步训练模型中的批量归一化层的权重和偏置添加L1约束，[0064]权重的正则化通过向权重的梯度添加一个与权重的符号成正比的项来推动权重例中factor设置为0.8，阈值将是所有BN层权重绝对值中排在80％位置的值。9[0071]模型量化是深度学习领域中模型优化的重要优化技术之一，它将模型参数中的[0072]TensorRT是一个NVIDIA公司推出的用于深度学习推理的高性能API生态系统，它包括推理运行时和模型优化，为生产应用提供低延迟和高吞吐量。TensorRT特别针对NVIDIAGPU进行了优化，能够显著提高推理速度，达到比仅使用CPU平台快36倍的推理速高效的运行。在同等条件下测试最终得到的模型在推理时速度提升了约66同时模型大小减少了60适用于资源受限的设备。该模型能够实时准确地检测出船舶智能避碰决策[0074]对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论