改进R-FCN的船舶识别方法

• 作者: 桑庆兵 黄致君
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 深度学习 目标检测 区域全卷积网络(R-FCN)
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 图形图像
• 页码范围: 1045-1053
• 页数: 9页
• 分类号: TP391
• 字数: 5885字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1904061

摘要

针对复杂海情下需要对不同大小及种类的船舶进行检测的问题,提出一种基于深度学习的船舶检测方法,该方法主要针对区域全卷积网络(R-FCN)进行改进.首先选取ResNet50网络用于自动提取特征,并将Feature Map自动提供给改进的R-FCN;其次根据船舶识别的特性改进R-FCN,使得R-FCN在船舶检测上能够完全发挥其性能;最后根据部分类别船舶体积较小识别率低的问题,先采取最大池化层(Maxpooling)进行改进,将小目标船舶识别率提高了4.08个百分点,之后针对ROIAlign进行改进.改进的R-FCN方法比原始的R-FCN在小目标船舶识别方面表现更优,精度共提升了13个百分点,还与目前主流的目标检测算法如Faster-RCNN等进行了对比.实验结果表明,该方法识别精度更高,速率与其他方法基本持平.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	桑庆兵	江南大学物联网工程学院	50	566	9.0	23.0
2	黄致君	江南大学物联网工程学院	1	0	0.0	0.0