基于CReLU和FPN改进的SSD舰船目标检测

• 作者: 周康鹏 李晖晖 韩太初
• 来源期刊: 仪器仪表学报
• 学科: 工学
• 关键词: 目标检测 舰船检测 深度学习 卷积神经网络
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 视觉检测与图像测量
• 页码范围: 183-190
• 页数: 8页
• 分类号: TP391.4|TH39
• 语种: 中文
• DOI: 10.19650/j.cnki.cjsi.J2006122

摘要

在遥感图像中,舰船目标具有目标尺寸较小、形状细长、多个目标紧密排列、类间相似度高等特点,现有的深度学习目标检测算法对舰船小目标的检测精度不高,易发生错检、漏检情况.为了更有效地利用遥感图像信息,提高小目标检测精度,构建了舰船数据集SDNGV,提出基于串行修正线性单元CReLU和特征金字塔网络(FPN)改进的单射探测器(SSD)舰船目标检测识别方法.首先,在SSD网络的浅层添加CReLU,提升其浅层特征的传递效率;然后,采用FPN从网络的深层到浅层逐级融合SSD中用于检测的多尺度特征图,提升网络的定位精度和分类精度.实验表明,所提目标检测算法具有较好的检测精度,改进方法具有明显的效果,在舰船小目标的检测上有10％的检测精度提升.