用于内河船舶目标检测的单次多框检测器算法

• 作者: 姚远 杨飏 王言鹏
• 来源期刊: 哈尔滨工程大学学报
• 学科: 工学
• 关键词: 目标检测 背景建模 内河 卷积神经网络 单次多框检测器 样本增强
• 年，卷（期）: 2019,（7）
• 页码范围: 1258-1262
• 页数: 5页
• 分类号: TP391.4
• 字数: 3352字
• 语种: 中文
• DOI: 10.11990/jheu.201805057

摘要

针对传统目标检测算法在内河水运环境受外界条件影响过大的问题,本文提出了基于单次多框检测器的内河船舶目标检测方法.单次多框检测器模型基于卷积神经网络,使用全图各个位置的多尺度区域特征进行回归,使图像可以直接作为网络的输入,避免了由于波浪、树叶晃动等外界因素产生的误检.同时,对于内河船舶样本不足的问题,应用样本增强和迁徙学习的方法训练船舶目标检测的网络模型,有效缓解了训练过程中的过拟合现象,取得了较好的检测效果.经内河不同地区的多组船舶视频检测表明:此方法具有更好的鲁棒性和更低的误检率,船舶的识别率均超过了90％,比传统的背景建模算法提高16％以上.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姚远	大连理工大学船舶工程学院	10	77	4.0	8.0
2	杨飏	大连理工大学船舶工程学院	15	19	3.0	3.0
3	王言鹏	大连理工大学船舶工程学院	1	0	0.0	0.0