一种基于图像显著性的离岸船舶目标检测效率优化方法

• 作者: 林宝军 申利民 董众
• 来源期刊: 燕山大学学报
• 学科: 工学
• 关键词: 船舶检测 卷积神经网络 VHR遥感影像 显著性 锚点筛选
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 信息与计算机技术
• 页码范围: 418-424
• 页数: 7页
• 分类号: TP751
• 字数: 4344字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-791X.2020.04.012

摘要

目前基于CNN的方法已在高分辨率遥感影像目标检测工作中得到了应用.对像海上船舶这种小型目标的实时检测是该方向研究的难点之一,其主要原因是基于CNN的小型目标检测方法通常伴随较低的检测效率,因此在实时的应用中很难被采用.为此,本文提出了一种以图像显著性为依据的锚点筛选优化方法.该方法充分考虑了海面目标背景的独特性,在对每个像素进行显著性分析的同时,将特征映射中每个锚点对应的接受域进行评分统计.通过显著性机制的运用,使学习和检测过程排除了大量的无效锚点,大幅减少了初始包围窗的生成数量.这种优化过程的主要优势在于它避免了在区域显著性检测时小型船舶目标的流失,而且在训练过程中可以更好地控制正负样本的比例,防止样本不平衡的情况发生.实验证实,本文提出的方法大幅提升了对离岸船舶目标的检测效率,并对基于CNN的两级目标检测方法具有一定的通用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林宝军	中国科学院空天信息创新研究院	65	277	9.0	12.0
5	申利民	燕山大学信息科学与工程学院	95	583	12.0	17.0
6	董众	中国科学院空天信息创新研究院	4	2	1.0	1.0