Resumen

Por la noche, las boyas y otras marcas de navegación desaparecen para ser sustituidas por luces fijas o intermitentes. Las marcas de navegación se ven como un conjunto de luces de varios colores en lugar de su conocido contorno. Descifrar el significado de las luces es una carga para los navegantes, y es también un nuevo reto para la investigación de la detección inteligente del entorno de navegación. En este estudio se estudia por iniciativa propia el reconocimiento inteligente de las luces de las marcas de navegación por la noche, basado en métodos de clasificación de vídeo multietiqueta. Para capturar eficazmente las características de las luces de las marcas de navegación, incluyendo tanto el color como la fase de parpadeo, se investigaron y compararon tres modelos diferentes de clasificación multietiqueta basados en la relevancia binaria, el conjunto de potencia de la etiqueta y el algoritmo adaptado. Según los resultados del experimento realizado con un conjunto de datos de 8.000 minutos de vídeo, el modelo basado en la relevancia binaria, denominado NMLNet, tiene una precisión máxima del 99,23% para clasificar 9 tipos de luces de marca de navegación. También tiene la mayor velocidad de cálculo con menos parámetros de red. En la NMLNet, hay dos ramas para las clasificaciones de color y parpadeo, respectivamente, y para la clasificación de parpadeo, se utilizó una MobileNet-v2 mejorada para capturar la característica de brillo de las luces en cada fotograma de vídeo, y una LSTM se utiliza para capturar la dinámica temporal de las luces. Con el objetivo de que funcione en dispositivos móviles en el barco, se utilizó MobileNet-v2 como columna vertebral, y con la mejora del mecanismo de atención espacial, se consiguió una precisión cercana a Resnet-50 manteniendo su alta velocidad.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:marca de navegación, relevancia binaria, luz, velocidad de cálculo más rápida, conjunto de potencia de etiquetas, características de la luz, tipo de navegación, reconocimiento de la luz, mecanismo de atención espacial, modelo de clasificación multietiqueta
• Keywords:navigation mark, binary relevance, light, fastest computation speed, label power set, characteristics of light, type of navigation, recognition of light, spatial attention mechanism, multilabel classification model