基于自监督表征学习的海面目标检测方法

• 作者: 宋然 张伟 张倩 张友梅 李晓磊
• 来源期刊: 水下无人系统学报
• 关键词: 海上无人装备 目标检测 自监督表征学习 深度学习
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: "复杂海况下无人艇控制与应用"专题
• 页码范围: 597-603
• 页数: 7页
• 分类号: TJ630|TP391.4|TP181
• 语种: 中文
• DOI: 10.11993/j.issn.2096-3920.2020.06.002

摘要

为提升海上无人装备对海洋的感知与监测能力,海面目标检测准确度的提升至关重要.但受复杂海况影响和传感器限制,采集高质量海面目标样本困难,导致大规模海面目标数据集缺乏,使得基于深度学习的海面目标检测发展缓慢.为此,文中将自监督表征学习引入海面目标检测领域,利用动量对比自监督表征学习算法进行船舶特征学习,从大规模无标签海面目标数据中挖掘船舶目标特征,为后续进行基于更快的区域卷积神经网络的海面目标检测提供先验知识.实验结果表明,借助于大规模无标签数据集,文中提出的基于自监督表征学习的海面目标检测方法能够取得与有监督预训练方法相当的检测效果,突破了有标注海面目标样本不足的限制.文中工作可为进一步研究基于深度学习的海洋智能感知问题提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张伟		183	1052	16.0	24.0
2	李晓磊		31	1193	15.0	31.0
3	张倩		74	223	8.0	11.0
4	张友梅		5	35	4.0	5.0
5	宋然		4	1	1.0	1.0