改进R-FCN的船舶识别方法

被引：7

作者：

黄致君

桑庆兵

机构：

[1] 江南大学物联网工程学院

来源：

计算机科学与探索 | 2020年 / 06期

关键词：

深度学习; 目标检测; 区域全卷积网络(R-FCN);

D O I：

暂无

中图分类号：

TP391.41 []; TP18 [人工智能理论]; U675.7 [船舶导航与通信];

学科分类号：

080203 ; 081104 ; 0812 ; 0835 ; 1405 ; 081105 ;

摘要：

针对复杂海情下需要对不同大小及种类的船舶进行检测的问题,提出一种基于深度学习的船舶检测方法,该方法主要针对区域全卷积网络(R-FCN)进行改进。首先选取ResNet50网络用于自动提取特征,并将Feature Map自动提供给改进的R-FCN;其次根据船舶识别的特性改进R-FCN,使得R-FCN在船舶检测上能够完全发挥其性能;最后根据部分类别船舶体积较小识别率低的问题,先采取最大池化层(Maxpooling)进行改进,将小目标船舶识别率提高了4.08个百分点,之后针对ROIAlign进行改进。改进的R-FCN方法比原始的R-FCN在小目标船舶识别方面表现更优,精度共提升了13个百分点,还与目前主流的目标检测算法如Faster-RCNN等进行了对比。实验结果表明,该方法识别精度更高,速率与其他方法基本持平。

引用

页码：1045 / 1053

页数：9

共 27 条

[1] 光学遥感图像低可观测区域舰船检测
周伟
关键
何友
[J]. 中国图象图形学报, 2012, 17 (09) : 1181 - 1187
[2] Covariance matrix-based fire and flame detection method in video
Habiboglu, Yusuf Hakan
Gunay, Osman
Cetin, A. Enis
[J]. MACHINE VISION AND APPLICATIONS, 2012, 23 (06) : 1103 - 1113
[3] 光学遥感图像低可观测区域舰船检测
周伟
关键
何友
[J]. 中国图象图形学报, 2012, 17 (09) : 1181 - 1187
[4] Ship detection in optical remote sensing image based on visual saliency and AdaBoost classifier[J] . Hui-li Wang,Ming Zhu,Chun-bo Lin,Dian-bing Chen. &nbspOptoelectronics Letters . 2017 (2)
[5] Covariance matrix-based fire and flame detection method in video
Habiboglu, Yusuf Hakan
Gunay, Osman
Cetin, A. Enis
[J]. MACHINE VISION AND APPLICATIONS, 2012, 23 (06) : 1103 - 1113
[6] Ship detection in optical remote sensing image based on visual saliency and AdaBoost classifier[J] . Hui-li Wang,Ming Zhu,Chun-bo Lin,Dian-bing Chen. &nbspOptoelectronics Letters . 2017 (2)
[7] An extended set of haar-like features for rapid object detection. Lienhart R,Maydt J. Proc.of the IEEE International Conference on Image Processing . 2002
[8] Support vector machines. Hearst, M.A.,Dumais, S.T.,Osman, E.,Platt, J.,Scholkopf, B. Intelligent Systems and their Applications, IEEE . 1998
[9] Ship Detection in Spaceborne Optical Image With SVD Networks. Zou Z,Shi Z. IEEE Transactions on Geoscience&Remote Sensing . 2016
[10] A Water/Land Segmentation Algorithm Based on an Improved Chan-Vese Model with Edge Constraints of Complex Wavelet Domain[J]. MAO Chenglin,WAN Shouhong,YUE Lihua,XIA Yu. Chinese Journal of Electronics. 2015(02)

← 1 2 3 →