公开(公告)号：CN114241189B

公开(公告)日：2024-06-07

申请号：CN202111441778.2

申请日：2021-11-30

Applicant: 东南大学

Inventor： 胡里阳 ,  叶智锐 ,  邵宜昌 ,  王超 ,  张耀玉 ,  吴浩

IPC: G06V10/25 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种基于深度学习的船舶黑烟识别方法，包括如下步骤：S1、构建数据集；S2、数据集预处理；S3、构建船舶黑烟识别模型；S4、实时监测。该方法基于改进的YOLO v4网络模型，通过对损失函数进行针对性的修改来增加困难样本的损失权重，进而能够克服黑烟样本集不均衡的所带来的识别困难。该方法在高识别精度的基础上保持较快的识别速度，可以满足相关管理部门对船舶黑烟识别的准确性、实时性需求，同时适用于图片检测和视频检测。此外，本发明所提出的混合马赛克数据扩增方法能够保证网络模型在单GPU环境下稳定、高速训练，节省目标识别算法的计算资源和训练时间，具有较大的工业生产价值和推广价值。

公开(公告)号：CN114241189A

公开(公告)日：2022-03-25

申请号：CN202111441778.2

申请日：2021-11-30

Applicant: 东南大学

Inventor： 胡里阳 ,  叶智锐 ,  邵宜昌 ,  王超 ,  张耀玉 ,  吴浩

IPC: G06V10/25 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于深度学习的船舶黑烟识别方法，包括如下步骤：S1、构建数据集；S2、数据集预处理；S3、构建船舶黑烟识别模型；S4、实时监测。该方法基于改进的YOLO v4网络模型，通过对损失函数进行针对性的修改来增加困难样本的损失权重，进而能够克服黑烟样本集不均衡的所带来的识别困难。该方法在高识别精度的基础上保持较快的识别速度，可以满足相关管理部门对船舶黑烟识别的准确性、实时性需求，同时适用于图片检测和视频检测。此外，本发明所提出的混合马赛克数据扩增方法能够保证网络模型在单GPU环境下稳定、高速训练，节省目标识别算法的计算资源和训练时间，具有较大的工业生产价值和推广价值。