基于YOLOv4的水面目標(biāo)快速檢測(cè)*

王治國(guó) 王 勇 譚 笑 張 歡

（海軍工程大學(xué) 武漢 430033）

1 引言

近年來(lái)，隨著我國(guó)海洋經(jīng)濟(jì)的不斷增長(zhǎng)，海上交通要道的地位越來(lái)越重要，海洋權(quán)益的維護(hù)越來(lái)越迫切，為加快海洋經(jīng)濟(jì)發(fā)展，國(guó)家提出了南海戰(zhàn)略發(fā)展思路。水面目標(biāo)快速檢測(cè)是在港口監(jiān)控、漁業(yè)監(jiān)察、海事管理、軍事情報(bào)分析等領(lǐng)域具有重要的地位和作用[1-4]，在計(jì)算機(jī)視覺領(lǐng)域，目標(biāo)檢測(cè)與識(shí)別是其重要的任務(wù)，運(yùn)用各種算法實(shí)現(xiàn)目標(biāo)特征表達(dá)，完成影像中目標(biāo)位置確定和類別識(shí)別。傳統(tǒng)的目標(biāo)檢測(cè)是依賴人工設(shè)計(jì)影像特征，具有較大的局限性，深度學(xué)習(xí)技術(shù)能夠自動(dòng)完成影像特征提取，可以大幅提高檢測(cè)精度，但檢測(cè)速度方面往往需要依靠強(qiáng)大的GPU硬件支持才能完成，因此，如何提高影像中目標(biāo)的檢測(cè)速度與精度一直是各國(guó)學(xué)者研究的熱點(diǎn)問題。

基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法主要分為兩大類，一類是one-stage檢測(cè)算法，另一類是two-stage算法。one-stage類檢測(cè)算法不生成候選框，直接將目標(biāo)框的檢測(cè)定位問題轉(zhuǎn)化為回歸問題，完成目標(biāo)檢測(cè)需要特征提取、目標(biāo)分類和定位框回歸三個(gè)步驟，代表性算法有 YOLO 系列算法[5～8]和 SSD[9]算法；two-stage類檢測(cè)算法采用一定的方法獲取待檢測(cè)目標(biāo)的候選框并將其作為樣本，然后由卷積神經(jīng)網(wǎng)絡(luò)完成樣本分類，完成目標(biāo)檢測(cè)主要有四個(gè)步驟：基于卷積神經(jīng)網(wǎng)絡(luò)的特征抽取、候選框生成、目標(biāo)分類和定位框回歸，代表性算法有RCNN[10]，F(xiàn)ast RCNN[11]、Faster RCNN[12]、Mask RCNN[13]等 。在檢測(cè)精度方面通常two-stage類算法優(yōu)于one-stage類算法，在檢測(cè)速度方面通常后者優(yōu)于前者。……