Key points are not available for this paper at this time.
컴퓨터 비전의 급속한 발전으로 인해, 딥러닝 기반의 선박 탐지 모델이 점점 더 보편화되고 있습니다. 그러나 대부분의 네트워크 방법은 탐지 정확도를 높이기 위해 고가의 하드웨어 장비가 필요합니다. 이러한 문제에 대응하기 위해 YOLOSeaShip이라는 경량 실시간 탐지 접근법이 제안되었습니다. 첫째, YOLOv7-tiny 모델에서 파생된 부분 합성곱을 ELAN 모듈의 원래 3×1 합성곱 대신 사용하여 매개변수 수를 줄이고 작동 속도를 개선했습니다. 둘째, 매개변수 없는 평균 주의 모듈이 통합되어 이미지에서 선체를 찾는 능력을 향상시켰습니다. 마지막으로, 서로 다른 매개변수 변화에 따른 Focal EIoU 하이브리드 손실 함수의 정확도 변화를 연구했습니다. SeaShips (7000) 데이터셋으로 훈련된 실제 결과는 이 방법이 이미지에서 선박 위치를 보다 효율적으로 탐지하고 분류할 수 있음을 보여주며, mAP는 0.976, FPS는 119.84로, 실시간 선박 탐지 애플리케이션에 이상적입니다.
Jiang et al. (수), 이 질문을 연구했습니다.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: