Resumen

La industria naviera se está desarrollando hacia la inteligencia rápidamente. Un método preciso y rápido para la detección y clasificación de imágenes/videos de barcos es de gran importancia no solo para la gestión portuaria, sino también para la conducción segura de Vehículos Superficiales No Tripulados (USV). Por lo tanto, este documento crea un conjunto de datos autogenerado para la detección y clasificación de imágenes/videos de barcos, y se presenta su método basado en una red neuronal convolucional profunda regresiva mejorada. Este método mejora la red neuronal convolucional regresiva desde cuatro aspectos. Primero, la capa de extracción de características es aligerada tomando como referencia a YOLOv2. Segundo, se diseña una nueva capa de red de pirámide de características mejorando su estructura en YOLOv3. Tercero, se diseña un marco y escala adecuados para los barcos con un algoritmo de agrupación para reducir un 60% de anclas. Por último, se verifica y optimiza la función de activ

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Industria naviera; Inteligencia; Detección de imágenes de barcos; Clasificación; Red neuronal convolucional; Rendimiento en tiempo real
• Keywords:Shipping industry; Intelligence; Ship image detection; Classification; Convolutional neural network; Real-time performance