适用场景：无人船多目标检测、跟踪与识别
技术领域：电子信息、装备制造
案例简介 | 痛点问题 无人系统是船舶的重要发展方向，基于视觉的感知系统是无人船舶的关键技术。现有的人工智能检测技术提供了有效的目标检测方法，但是在无人船的实际应用中，存在大量对多目标检测、跟踪和识别的需求，现有方法对于遮挡和重识别的准确率不高，无法满足实际需求。 解决方案 本团队针对无人船视觉感知中的目标遮挡问题，发明了混合图像生成技术，可以融合不同场景、不同角度的图像识别目标；针对图像场景单一的问题，使用了多种图像增广技术，提升了系统对复杂环境的适应能力；针对目标重识别问题，改进了卷积神经网络并重新设计了目标重检测模块，从而提高了目标的检测效果，实现了长期目标跟踪，提高了识别和跟踪的准确性。
|
案例亮点/优势 | 团队通过综合应用生成网络模型、改进识别网络和重检测机制、引入重检测模块后的长期多目标跟踪，将目标检测和识别跟踪的精度提升了5%到10%，同时明显改善了目标ID的切换问题。通过优化网络，在保证精度的同时提升了速度，保证了检测和识别跟踪的实时性。该技术已在无人船系统中得到实际应用。 |
案例相关图片 |
|
文稿：智慧医疗与健康团队、秦杨一；编辑：陆峰；审核：范文青
