目标检测YOLO实战应用案例100讲-基于YOLOv5的船舶检测

目录

前言

国内外研究现状 

目标检测研究现状 

船舶检测研究领域现状 

深度学习与目标检测概述 

2.1 CV与目标检测 

2.2 目标检测中的主要概念和性能指标 

2.2.1 边界框、真实框和anchor 

2.2.2 anchor评价指标：IoU、DIoU和CIoU 

 2.2.3 筛选边框方法：非极大值抑制 

2.2.4 评价指标：Precision、Recall、mAP和FPS 

2.3 经典深度学习目标检测方法介绍 

 2.3.1两阶段算法：R-CNN系列 

2.3.2 单阶段算法：SSD系列 

2.4 单阶段算法：YOLO系列 

2.4.1 YOLOv1算法 

2.4.2 YOLOv2算法 

2.4.3 YOLOv3算法 

2.4.4 YOLOv4算法 

数据分析与预处理 

3.1 船舶图像数据分析 

---

本文篇幅较长，分为上下两篇，下篇详见基于YOLOv5的船舶检测(续)

前言

在当今经济全球化的背景下，国家及地区之间的经济贸易往来愈加频繁，
其中货物运输必不可少。海洋运输是世界物流的主体，承载着超过2/3的国际货
运量。我国是最主要的海运大国之一，拥有世界上最大的港口货物和集装箱吞 吐量，同时“一带一路”战略推动着中国的远洋贸易迅猛发展，海洋运输的规
模越来越大。2021年，我国水上运输船舶达到12.59万艘，全年营业性客运量 达1.63亿人，完成运输量约82.40亿吨[ 1]。我国海岸线长18000余公里，海洋面 积约300万平方公里，内河航道通航里程12.76万公里，这些条件在给我国带来