实时船舶识别与地理定位以提升海洋态势感知
原文中文，约400字，阅读约需1分钟。发表于：。本研究解决了在海洋基础设施日益重要的背景下，实时船舶识别和地理定位的需求。提出一种新型的实时分割架构ScatYOLOv8+CBAM，并引入了一个包含3505张图像的船舶数据集ShipSG，从而显著提升了船舶识别的性能。研究结果展示了深度学习在实时海洋监测中的应用潜力，对海洋利益相关者的决策提升具有重要影响。
研究利用计算机视觉和深度学习，通过船上摄像机捕捉海洋图像，训练基于Beaufort风力等级的算法，实现自动海况识别。采用Resnet-101、NASNet等神经网络，并使用大规模数据集进行转移学习。结果表明，该方法可补充传统方法的不足，提升航海安全和效率。
