Mask RCNN在雾化背景下的船舶流量检测

• 作者: 任静 卢继华 聂振钢
• 来源期刊: 北京理工大学学报
• 学科: 工学
• 关键词: 掩码区域卷积神经网络 船只位置 船舶流量 掩码 准确度
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 光学与电子
• 页码范围: 1223-1229
• 页数: 7页
• 分类号: TN911.73
• 语种: 中文
• DOI: 10.15918/j.tbit1001-0645.2019.213

摘要

基于掩码区域卷积神经网络(Mask region-convolutional neural network,Mask RCNN)模型检测海域卫星航拍图片中的船舶流量检测,实现雾化与模糊背景下的自动检测船舶数量与船只定位.基于搭建的Mask RCNN网络模型进行训练,依据输出的船只位置,与准确位置对比,不断调整模型参数提升准确度,再用训练好的模型参数对测试集中的图片进行检测.训练后进行测试的结果为:重叠度(intersection over union,IOU)取0.5时,边界框位置准确度达85.4％.船只数量检测准确度高达89.9％.上述结果表明,Mask RCNN网络模型可实现高精度的船舶流量监测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卢继华		21	78	4.0	8.0
2	聂振钢		2	1	1.0	1.0
3	任静		1	0	0.0	0.0