Published July 2, 2024
| Version v1
Publication
A streamlined approach for intelligent ship object detection using EL-YOLO algorithm
- 1. UCSI University
- 2. Guangxi University of Science and Technology
Description
Maritime objects frequently exhibit low-quality and insufficient feature information, particularly in complex maritime environments characterized by challenges such as small objects, waves, and reflections. This situation poses significant challenges to the development of reliable object detection including the strategies of loss function and the feature understanding capabilities in common YOLOv8 (You Only Look Once) detectors. Furthermore, the widespread adoption and unmanned operation of intelligent ships have generated increasing demands on the computational efficiency and cost of object detection hardware, necessitating the development of more lightweight network architectures. This study proposes the EL-YOLO (Efficient Lightweight You Only Look Once) algorithm based on YOLOv8, designed specifically for intelligent ship object detection. EL-YOLO incorporates novel features, including adequate wise IoU (AWIoU) for improved bounding box regression, shortcut multi-fuse neck (SMFN) for a comprehensive analysis of features, and greedy-driven filter pruning (GDFP) to achieve a streamlined and lightweight network design. The findings of this study demonstrate notable advancements in both detection accuracy and lightweight characteristics across diverse maritime scenarios. EL-YOLO exhibits superior performance in intelligent ship object detection using RGB cameras, showcasing a significant improvement compared to standard YOLOv8 models.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
تظهر الأجسام البحرية في كثير من الأحيان معلومات ميزات منخفضة الجودة وغير كافية، لا سيما في البيئات البحرية المعقدة التي تتميز بتحديات مثل الأجسام الصغيرة والأمواج والانعكاسات. يشكل هذا الموقف تحديات كبيرة لتطوير اكتشاف كائن موثوق به بما في ذلك استراتيجيات وظيفة الفقد وقدرات فهم الميزة في كاشفات YOLOv8 الشائعة (أنت تنظر مرة واحدة فقط). علاوة على ذلك، أدى الاعتماد الواسع النطاق والتشغيل غير المأهول للسفن الذكية إلى زيادة الطلب على الكفاءة الحسابية وتكلفة أجهزة الكشف عن الأجسام، مما استلزم تطوير هياكل شبكة أكثر خفة. تقترح هذه الدراسة خوارزمية EL - YOLO (كفاءة خفيفة الوزن لا تنظر إلا مرة واحدة) بناءً على YOLOv8، المصممة خصيصًا للكشف الذكي عن أجسام السفن. تتضمن EL - YOLO ميزات جديدة، بما في ذلك وحدة الإدخال/الإخراج الحكيمة الكافية (AWIoU) لتحسين انحدار الصندوق المحيط، والرقبة المختصرة متعددة الصمامات (SMFN) لإجراء تحليل شامل للميزات، وتشذيب المرشح المدفوع بالجشع (GDFP) لتحقيق تصميم شبكة مبسط وخفيف الوزن. تُظهر نتائج هذه الدراسة تقدمًا ملحوظًا في كل من دقة الكشف والخصائص خفيفة الوزن عبر سيناريوهات بحرية متنوعة. تُظهر EL - YOLO أداءً فائقًا في الكشف الذكي عن أجسام السفن باستخدام كاميرات RGB، مما يدل على تحسن كبير مقارنة بنماذج YOLOv8 القياسية.Translated Description (French)
Les objets maritimes présentent souvent des informations sur les caractéristiques de mauvaise qualité et insuffisantes, en particulier dans les environnements maritimes complexes caractérisés par des défis tels que les petits objets, les vagues et les réflexions. Cette situation pose des défis importants au développement de la détection d'objets fiables, y compris les stratégies de la fonction de perte et les capacités de compréhension des fonctionnalités des détecteurs YOLOv8 (You Only Look Once) communs. En outre, l'adoption généralisée et le fonctionnement sans pilote des navires intelligents ont généré des demandes croissantes en matière d'efficacité informatique et de coût du matériel de détection d'objets, nécessitant le développement d'architectures de réseau plus légères. Cette étude propose l'algorithme EL-YOLO (Efficient Lightweight You Only Look Once) basé sur YOLOv8, conçu spécifiquement pour la détection intelligente d'objets de navire. EL-YOLO intègre de nouvelles caractéristiques, y compris l'IoU Wise adéquat (AWIoU) pour une régression améliorée de la boîte englobante, le col multi-fusible de raccourci (SMFN) pour une analyse complète des caractéristiques et l'élagage du filtre axé sur la gourmandise (GDFP) pour obtenir une conception de réseau rationalisée et légère. Les résultats de cette étude démontrent des progrès notables à la fois dans la précision de la détection et dans les caractéristiques de légèreté dans divers scénarios maritimes. EL-YOLO présente des performances supérieures dans la détection intelligente d'objets de navire à l'aide de caméras RVB, présentant une amélioration significative par rapport aux modèles YOLOv8 standard.Translated Description (Spanish)
Los objetos marítimos con frecuencia exhiben información de características de baja calidad e insuficiente, particularmente en entornos marítimos complejos caracterizados por desafíos como objetos pequeños, olas y reflejos. Esta situación plantea desafíos significativos para el desarrollo de la detección confiable de objetos, incluidas las estrategias de la función de pérdida y las capacidades de comprensión de características en los detectores comunes de YOLOv8 (You Only Look Once). Además, la adopción generalizada y la operación no tripulada de barcos inteligentes han generado crecientes demandas sobre la eficiencia computacional y el costo del hardware de detección de objetos, lo que requiere el desarrollo de arquitecturas de red más ligeras. Este estudio propone el algoritmo EL-YOLO (Efficient Lightweight You Only Look Once) basado en YOLOv8, diseñado específicamente para la detección inteligente de objetos de buques. EL-YOLO incorpora características novedosas, incluida la adecuada Wise IoU (AWIoU) para mejorar la regresión del cuadro delimitador, el cuello de fusibles múltiples de acceso directo (SMFN) para un análisis exhaustivo de las características y la poda de filtros impulsada por la codicia (GDFP) para lograr un diseño de red simplificado y liviano. Los hallazgos de este estudio demuestran avances notables tanto en la precisión de la detección como en las características ligeras en diversos escenarios marítimos. EL-YOLO exhibe un rendimiento superior en la detección inteligente de objetos de barco utilizando cámaras RGB, mostrando una mejora significativa en comparación con los modelos YOLOv8 estándar.Additional details
Additional titles
- Translated title (Arabic)
- نهج مبسط للكشف الذكي عن جسم السفينة باستخدام خوارزمية اليولو
- Translated title (French)
- Une approche rationalisée pour la détection intelligente d'objets de navire à l'aide de l'algorithme EL-YOLO
- Translated title (Spanish)
- Un enfoque simplificado para la detección inteligente de objetos de buques utilizando el algoritmo EL-YOLO
Identifiers
- Other
- https://openalex.org/W4400225573
- DOI
- 10.1038/s41598-024-64225-y
References
- https://openalex.org/W129305155
- https://openalex.org/W1536680647
- https://openalex.org/W2102605133
- https://openalex.org/W2112796928
- https://openalex.org/W2194071597
- https://openalex.org/W2336445371
- https://openalex.org/W2548879274
- https://openalex.org/W2559107149
- https://openalex.org/W2579941838
- https://openalex.org/W2607013913
- https://openalex.org/W2730878932
- https://openalex.org/W2805605816
- https://openalex.org/W2885291434
- https://openalex.org/W2901388191
- https://openalex.org/W2963150697
- https://openalex.org/W2963351448
- https://openalex.org/W2982211066
- https://openalex.org/W2982770724
- https://openalex.org/W2986357608
- https://openalex.org/W3035484794
- https://openalex.org/W3035694605
- https://openalex.org/W3038290973
- https://openalex.org/W3093676529
- https://openalex.org/W3106250896
- https://openalex.org/W3122173535
- https://openalex.org/W3135895574
- https://openalex.org/W3135910033
- https://openalex.org/W3157721103
- https://openalex.org/W3193840806
- https://openalex.org/W3204554924
- https://openalex.org/W3217770925
- https://openalex.org/W4210598935
- https://openalex.org/W4220681577
- https://openalex.org/W4220698053
- https://openalex.org/W4285597135
- https://openalex.org/W4295046667
- https://openalex.org/W4312163429
- https://openalex.org/W4318829787
- https://openalex.org/W4319336644
- https://openalex.org/W4320002812
- https://openalex.org/W4362561419
- https://openalex.org/W4362585657
- https://openalex.org/W4372279253
- https://openalex.org/W4385696625
- https://openalex.org/W4386067653
- https://openalex.org/W4386076325
- https://openalex.org/W4387415195
- https://openalex.org/W4387778334
- https://openalex.org/W4389104738
- https://openalex.org/W4389302085
- https://openalex.org/W4391434990
- https://openalex.org/W4392171655
- https://openalex.org/W4395091166