基于PCANet的海面船只检测算法

• 作者: 任健强 龙钢 龚小谨
• 来源期刊: 杭州电子科技大学学报（自然科学版）
• 关键词: 船只检测 深度学习 级联主成分分析 显著性检测 支持向量机
• 年，卷（期）: 2017,（2）
• 页码范围: 23-27
• 页数: 5页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.13954/j.cnki.hdu.2017.02.006

摘要

以水面无人艇的视觉感知系统的研发为背景,使用级联主成分分析网络的深度学习框架,进行了海面船只检测算法研究.输入海面船只的可见光图像,通过显著性检测确定疑似目标区域,对检测出的疑似目标区域使用PCANet模型进行特征提取,将结果输入支持向量机中,得到最终二分类结果.实验结果表明,所设计的算法可以成功地输出海面船只检测结果,并通过与CNN算法的对比,验证了PCANet方法的高效性和准确性,证明了PCANet在特征提取方面的优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	龚小谨	浙江大学信息与电子工程学院	10	29	2.0	5.0
2	龙钢	浙江大学信息与电子工程学院	1	0	0.0	0.0
3	任健强	浙江大学信息与电子工程学院	1	0	0.0	0.0