原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明根据提出一种基于回归模型改进的检测算法RBox‑YOLO，提出一种轻量化多空洞率的空洞式残差卷积来扩大感受野，加入主干网络获得更多上下文信息建立多尺度船舰联系，在网络颈部引入坐标注意力与上采样融合来捕捉全局位置特征，提高复杂背景下捕获目标关键信息的能力。使用一种基于旋转框的高斯分布乘积度量损失来提高密集船舰的检测效果。利用迁移学习将源域模型作为初始权重，并在SAR舰船检测数据集SSDD和RSDD‑SAR上的实验结果表明，RBox‑YOLO既能达到实时检测速度，又使检测的平均精准度提升了7.
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116977947 A
(43)申请公布日 2023.10.31
(21)申请号 202310913163.8
(22)申请日 2023.07.25
(71)申请人 长春工业大学
地址 130000
文档评论（0）