Ship imaging trajectory extraction via an aggregated you only look once (YOLO) model

计算机科学 弹道 帧(网络) 帧速率 实时计算 人工智能 分类 深度学习 对象(语法) 电信 情报检索 天文 物理
作者
Xinqiang Chen,Meilin Wang,Jun Ling,Huafeng Wu,Bing Wu,Chaofeng Li
出处
期刊:Engineering Applications of Artificial Intelligence [Elsevier]
卷期号:130: 107742-107742 被引量:24
标识
DOI:10.1016/j.engappai.2023.107742
摘要

Maritime traffic community has paid a huge amount of focuses to establish maritime intelligent transportation infrastructure for the purpose of enhancing maritime traffic safety and efficiency. Maritime surveillance video is considered as a type of fundamental data sources for establishing intelligent maritime transportation infrastructure towards smart ship era. To that end, the study proposes an aggregated deep learning model-supported ship imaging trajectory extraction framework. The proposed framework starts by detecting ships from maritime images via a novel You Only Look Once (YOLO) model. More specifically, the proposed ship trajectory extraction framework obtains ship positions in a frame-by-frame manner via the proposed poly-YOLO module. Then, the proposed model maps ship positions in neighboring consecutive maritime images via an Enhanced Deep Sort (EDS) module. Experimental results suggest that the proposed ship trajectory extraction model achieves satisfactory performance due to that the average values of index multiple-object tracking accuracy (MOTa), recall rate (Rid) and index aggregated detection accuracy (Aggid) are larger than 89% (which outperform the comparison algorithms). The study can help varied maritime traffic participants obtain accurate on-site traffic situations in the smart ship era.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
7秒前
无花果应助称心的百川采纳,获得10
7秒前
科研通AI2S应助笑点低千愁采纳,获得10
8秒前
Ava应助持卿采纳,获得10
10秒前
大大小小发布了新的文献求助10
11秒前
11秒前
英姑应助紧张的如南采纳,获得10
13秒前
阿黎完成签到,获得积分10
14秒前
3424923462完成签到,获得积分10
14秒前
15秒前
15秒前
15秒前
15秒前
聆听雨完成签到,获得积分10
16秒前
18秒前
remarkeable关注了科研通微信公众号
20秒前
21秒前
大大小小完成签到,获得积分10
21秒前
22秒前
23秒前
刘YF发布了新的文献求助80
23秒前
25秒前
AnjeXi完成签到 ,获得积分10
25秒前
renpp822发布了新的文献求助10
25秒前
Pises发布了新的文献求助10
27秒前
30秒前
王先生完成签到 ,获得积分10
30秒前
31秒前
31秒前
33秒前
33秒前
pooh完成签到 ,获得积分10
33秒前
诸乘风发布了新的文献求助10
35秒前
blossom发布了新的文献求助10
35秒前
yun关注了科研通微信公众号
36秒前
36秒前
yangching应助3424923462采纳,获得10
37秒前
外向半青发布了新的文献求助10
37秒前
123发布了新的文献求助10
37秒前
iWatchTheMoon应助PzLppp采纳,获得20
38秒前
高分求助中
Evolution 10000
ISSN 2159-8274 EISSN 2159-8290 1000
Becoming: An Introduction to Jung's Concept of Individuation 600
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3161827
求助须知:如何正确求助?哪些是违规求助? 2813059
关于积分的说明 7898411
捐赠科研通 2472080
什么是DOI,文献DOI怎么找? 1316331
科研通“疑难数据库(出版商)”最低求助积分说明 631278
版权声明 602129