基于改进Faster R-CNN的红外舰船目标检测算法

• 作者: 顾佼佼 李炳臻 刘克 姜文志
• 来源期刊: 红外技术
• 学科: 工学
• 关键词: 深度学习 目标检测 舰船目标 红外图像 FasterR-CNN
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 图像处理与仿真
• 页码范围: 170-178
• 页数: 9页
• 分类号: TP399
• 语种: 中文

摘要

针对Faster R-CNN算法中对于红外舰船目标特征提取不充分、容易出现重复检测的问题,提出了一种基于改进Faster R-CNN的红外舰船目标检测算法.首先通过在主干网络VGG-16中依次引出三段卷积后的3个特征图,将其进行特征拼接形成多尺度特征图,得到具有更丰富语义信息的特征向量;其次基于数据集进行Anchor的改进,重新设置Anchor boxes的个数与尺寸;最后优化改进后Faster R-CNN的损失函数,提高检测算法的整体性能.通过对测试数据集进行分析实验,结果表明改进后的检测算法平均精确度达到83.98％,较之于原Faster R-CNN,精确度提升了3.95％.