基于卷积神经网络的遥感图像舰船目标检测

• 作者: 姚远 姜志国 张浩鹏 黄洁
• 来源期刊: 北京航空航天大学学报
• 学科: 工学
• 关键词: 卷积神经网络(CNN) 支持向量机(SVM) 舰船检测 特征提取 迁移学习
• 年，卷（期）: 2017,（9）
• 页码范围: 1841-1848
• 页数: 8页
• 分类号: TP391.4
• 字数: 5929字
• 语种: 中文
• DOI: 10.13700/j.bh.1001-5965.2016.0755

摘要

针对遥感图像背景复杂、受环境因素影响大的问题,提出一种将卷积神经网络(CNN)与支持向量机(SVM)相结合的舰船目标检测方法,利用卷积神经网络可自主提取图像特征并进行学习的优点,避免了复杂的特征选择和提取过程,在复杂海况背景图像的处理中体现出较优的性能;同时,由于军舰样本获取难度大,应用迁移学习的概念,利用大量民船样本辅助军舰目标的检测,取得较好的效果.通过参数调整与实验验证,此方法在自行建立的测试集上检测率达到90.59％,对光照、环境等外界因素具有一定程度的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜志国	北京航空航天大学宇航学院	88	1038	20.0	29.0
5	姚远	北京航空航天大学宇航学院	27	436	9.0	20.0
9	张浩鹏	北京航空航天大学宇航学院	15	143	6.0	11.0
13	黄洁	北京航空航天大学宇航学院	2	72	2.0	2.0