基于级联卷积神经网络的港口多方向舰船检测与分类

• 作者: 孙嘉赤 曹旭 李美霖 邓志鹏 邹焕新 马倩
• 来源期刊: 系统工程与电子技术
• 学科: 工学
• 关键词: 港口舰船检测 斜框标注 舰船分类 Canny边缘检测 Hough直线检测
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 电子技术
• 页码范围: 1903-1910
• 页数: 8页
• 分类号: TN957.52
• 字数: 5774字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-506X.2020.09.04

摘要

港口舰船目标自动检测的定位和类型分类是一个重要而具有挑战性的问题.针对高分辨率光学遥感影像中多方向性排列密集的近岸舰船目标定位和识别困难的问题,提出基于级联区域卷积神经网络和手工提取特征相结合的近岸舰船检测识别框架.首先,使用级联的区域卷积神经网络对舰船位置进行粗定位并对类别进行估计,得到一系列粗定位的垂直预测框.然后,设计一个可以准确定位舰船的斜框旋转回归器,其将第一阶段所得粗定位垂直矩形框转变为带方向的斜矩形框.最后,使用非极大值抑制的方法去除冗余的预测框.实验采用谷歌地球上采集的数据集进行训练和预测,实验结果表明所提算法在精准率和召回率上均具有较大优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邹焕新	国防科技大学电子科学学院	36	299	12.0	15.0
2	邓志鹏	国防科技大学电子科学学院	3	17	1.0	3.0
3	孙嘉赤	国防科技大学电子科学学院	4	1	1.0	1.0
4	李美霖	国防科技大学电子科学学院	3	2	1.0	1.0
5	马倩	国防科技大学电子科学学院	2	1	1.0	1.0
6	曹旭	国防科技大学电子科学学院	2	1	1.0	1.0