计算机视觉与机器学习方法：在海事监控中关联光学坐标与自动识别（AIS）数据

《IEEE Geoscience and Remote Sensing Letters》：Computer Vision and Machine Learning Approach for Correlating Optical Coordinates with AIS Data in Maritime Surveillance

　　

摘要：

本文提出了一种策略，该策略结合了计算机视觉（CV）和机器学习（ML），将光学坐标与自动识别系统（AIS）数据关联起来，用于海上监控。该研究在检测阶段和坐标转换阶段都取得了进展。在检测方面，对现有的YOLO模型进行了改进，以优化小型船舶的检测效果。在坐标转换方面，使用了一个机器学习模型组合来准确地将图像中的像素坐标转换为实际的地理空间坐标。此外，为了解决真实世界数据标注不足的问题，生成了一个逼真的合成数据集来训练和评估所提出的模型。实验结果表明，坐标转换误差显著降低，平均误差为每像素25厘米。此外，改进后的YOLOv11/v12/v13模型的平均精度（mAP）分别达到了93.98%、92.42%和92.46%，比原始版本有了显著提升。数据集、源文件和训练好的模型均可公开获取。