目标检测YOLO实战应用案例100讲-基于深度学习的海上船舶识别（续）
目录
3.2 改进的Io U计算方法设计
3.3 基于改进YOLOv5的船舶识别模型
3.3.1 嵌入注意力机制(SE)模块
3.3.2 非极大值抑制(NMS)改进
3.4 算法整体流程
4实验与对比分析
4.1 实验数据与环境
4.1.1 数据集增广
4.1.2 图像处理
4.2 数据集标注
4.2.1 标注规则
4.2.2 标注实例
4.3 网络训练
4.4 模型评价方法
4.5 海上船舶识别实验与分析
4.6 雾天海上船舶识别效果
4.6.1 暗通道原理
4.6.2 雾天船舶识别实验
4.6.3 结果分析
知识拓展
基于深度学习的红外船舶检测识别
理论知识
数据集结构
基本思路
代码结构分析
训练模型
验证模型
本文篇幅较长，分为上下两篇，上篇详见基于深度学习的海上船舶识别
3.2 改进的Io U计算方法设计
（1）传统IoU计算
IoU[ 58]（交并比）是指预测框和真实框的交集与并集之比，全称为Intersection over Union， 该指标是评估预测框质量的重要指标，也是边界框匹配的基础之一。IoU的计算方式如式 （3-1）所示：