13、海上目标检测与ATM异常活动监控技术解析

海上目标检测与ATM异常活动监控技术解析

1. 海上目标检测技术

在海上目标检测领域，常用的模型有YOLOv8和EfficientDet，下面将详细介绍它们的架构、训练过程以及性能分析。

1.1 模型架构

• YOLO架构 ：YOLO架构中采用了非极大值抑制（NMS）技术，用于识别和消除不必要或不精确的边界框，为图像中捕获的每个物品创建一个单一的边界框。
• EfficientDet架构 ：EfficientDet模型的架构基于EfficientNet网络构建。在卷积神经网络中，维度通常是均匀缩放的，但在EfficientNet网络中，这些维度使用一组固定的系数进行任意缩放，具体方法由输入图像的大小决定。如果输入图像较大，则需要更多的层和通道来捕获图像的精细模式。BiFPN是EfficientDet网络的核心，它是FPN的扩展版本，可以使用自下而上或自上而下的技术构建。
  • 自下而上方法 ：构建一个特征的层次框架，由不同尺度的多个特征图组成。每个特征图是通过将前一个特征图放大2倍生成的。通过为每个阶段分配一个级别，以自下而上的方式构建金字塔，每个阶段中前一层的输出作为下一个阶段的参考。为了实现预期目标，一种技术是对自下而上的特征图应用1×1卷积，以减小其大小。
  • 自上而下方法 ：涉及语义上更强大但空间上更分散的特征。在这种方法中，横向连接将从自下而上和自上而下路径获得的具有相同空间大小的特征图组合起来。