基于改进RA-CNN的舰船光电目标识别方法

• 作者: 徐志京 霍煜豪
• 来源期刊: 上海海事大学学报
• 关键词: 舰船识别 细粒度图像分类 循环注意卷积神经网络(RA-CNN) 尺度依赖池化(SDP) 交叉训练
• 年，卷（期）: 2019,（3）
• 页码范围: 38-43
• 页数: 6页
• 分类号: U674.7|TP391.413
• 语种: 中文
• DOI: 10.13340/j.jsmu.2019.03.007

摘要

针对光电图像中舰船分类检测困难的问题,提出一种基于改进循环注意卷积神经网络(recurrent attention convolutional neural network,RA-CNN)的舰船目标识别方法.该方法中的VGG19采用多个卷积层提取图像特征,注意建议网络(attention proposal network,APN)通过全连接层的输出定位特征区域,然后采用尺度依赖池化(scale-dependent pooling,SDP)算法选择VGG19中合适的卷积层输出进行类别判定,最后引入多特征描述特征区域,交叉训练VGG19和APN来加速收敛和提高模型精度.利用自建舰船数据集对方法进行测试,识别准确率较VGG19和RA-CNN有较大提升,识别准确率最高可达86.7％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐志京	上海海事大学信息工程学院	33	156	8.0	11.0
2	霍煜豪	上海海事大学信息工程学院	1	0	0.0	0.0