舰船目标识别技术研究进展

• 作者: 徐冠雷 邵利民 金鑫 马啸
• 来源期刊: 科技导报
• 关键词: 舰船 目标识别 深度学习
• 年，卷（期）: 2019,（24）
• 所属期刊栏目: 综述
• 页码范围: 65-78
• 页数: 14页
• 语种: 中文

摘要

舰船目标的有效识别和监控对维护海洋权益、保障海上航行安全至关重要.根据舰船目标信息的获取形式,从辐射噪声信号、雷达回波信号、卫星遥感图像、合成孔径雷达图像、红外图像、可见光图像几个舰船目标的主要信息获取来源出发,阐述了舰船目标识别技术的研究进展,总结分析了目前基于不同信号源的舰船目标识别方法普遍存在的具有高度任务相关性、计算成本高与运行时间长等问题.结合深度学习技术在语音识别、图像识别等领域的发展,建议将基于深度学习技术的典型目标识别方法Faster R-CNN及YOLO引入舰船目标识别领域,以研究鲁棒性更好、准确率更高、实时性更强的舰船目标识别方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐冠雷		38	428	9.0	20.0
2	邵利民		51	133	6.0	10.0
3	马啸		8	7	2.0	2.0
4	金鑫		14	31	3.0	5.0