密集子区域切割的任意方向舰船快速检测

• 作者: 陈华杰 吴栋 谷雨
• 来源期刊: 中国图象图形学报
• 关键词: 任意方向舰船检测 密集子区域切割 子图分割 子区域合并 快速检测
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 遥感图像处理|Remote Sensing Image Processing
• 页码范围: 654-662
• 页数: 9页
• 分类号: TP753
• 语种: 中文

摘要

目的 遥感图像上任意方向舰船目标的检测,是给出舰船在图像上的最小外切矩形边界框.基于双阶段深度网络的任意方向舰船检测算法速度较慢;基于单阶段深度网络的任意方向舰船检测算法速度较快,但由于舰船具有较大长宽比的形态特点,导致虚警率较高.为了降低单阶段目标检测的虚警率,进一步提升检测速度,针对舰船目标的形态特点,提出了基于密集子区域切割的快速检测算法.方法 沿长轴方向,将舰船整体密集切割为若干个包含在正方形标注框内的局部子区域,确保标注框内最佳的子区域面积有效占比,保证核心检测网络的泛化能力;以子区域为检测目标,训练核心网络,在训练过程对重叠子区域进行整合;基于子图分割将检测得到的子区域进行合并,进而估计方向角度等关键舰船目标参数.其中采用子区域合并后处理替代了非极大值抑制后处理,保证了检测速度.结果 在HRSC2016(high resolution ship collections)实测数据集上,与最新的改进YOLOv3(you only look once)、RRCNN (rotated region convolutional neural network)、RRPN(rotation region proposal networks)、R-DFPN-3 (rotation dense feature pyramid network)和R-DFPN-4等5种算法进行了比较,相较于检测精度最高的R-DFPN-4对照算法,本文算法的mAP(mean average precision)(IOU(inter section over union)=0.5)值提高了1.9％,平均耗时降低了57.9％;相较于检测速度最快的改进YOLOv3对照算法,本文算法的mAP (IOU =0.5)值提高了3.6％,平均耗时降低了31.4％.结论 本文所提出的任意方向舰船检测算法,结合了舰船目标的形态特点,在检测精度与检测速度均优于当前主流任意方向舰船检测算法,检测速度有明显提升.