基于YOLOv5的舰船目标及关键部位检测算法

为进一步提升对可见光图像中水面舰船目标的检测识别成功率，提出一种基于YOLOv5的舰船目标识别算法。使用基于随机池化方法的空间金字塔池化网络，运用双向特征金字塔网络进行多尺度特征融合，采用指数线性单元函数作为激活函数加快网络训练收敛速度，提升算法鲁棒性，从而实现了对水面舰船目标和舰船关键部位的快速准确识别。通过在舰船目标及其关键部位数据集上实验验证，对比多个经典目标检测方法，在识别准确率上均有不同程度提升，对比原YOLOv5s模型，平均精度均值提升3.03%,速度提升2 FPS,模型保持了YOLOv5轻量化的特点，在应用部署上有良好前景。