基于注意力机制与多尺度感知融合的复杂场景下船舶人员检测方法研究
《Journal of Marine Science and Engineering》:Research on Ship Personnel Detection Method in Complex Scenarios Based on Fusion of Attention Mechanism and Multi-Scale Perception
【字体:
大
中
小
】
时间:2026年07月02日
来源:Journal of Marine Science and Engineering 3.2
摘要
船员检测是构建智能船舶监控系统的核心技术,它既能够保障航行安全,又能规范甲板作业管理。目前的人体检测算法在复杂的海洋作业环境中表现不佳,容易被干扰因素影响:比如被遮挡的人员、堆放的甲板设备以及海面反射光。此外,这些算法还难以检测到远处的小目标,这些缺陷大大降低了检测的准确性和稳定性,因此无法满足海上航行和离岸作业的实际需求。为了解决上述问题,本文提出了一种基于注意力机制和多尺度感知融合的复杂场景船员检测方法。通过优化小目标检测模块,该算法提升了识别船甲板上远处操作人员的能力。同时,模型骨干网络中加入了卷积-注意力融合模块,用以有效区分人员特征与复杂的海洋背景。此外,还采用了深度可分离卷积来替代传统的标准卷积,这显著降低了模型的计算复杂度,使其能够满足船舶应用场景中的实时检测要求。实验结果表明,改进后的模型在各种船甲板场景下的检测准确率达到了93%,与原有的YOLOv8模型相比,其精确度和召回率分别提升了3%和2%。该模型的整体性能优于Faster-RCNN和YOLOv5等主流物体检测模型,为复杂船舶场景下的人员安全监测和作业管理提供了高效可靠的技术解决方案。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号