基于轻量型卷积神经网络的海面红外显著性目标检测方法

• 作者: 张学思 张婷 刘兆英 江天鹏
• 来源期刊: 山东大学学报（工学版）
• 学科: 工学
• 关键词: 卷积神经网络 红外舰船 显著性检测 轻量化模块 全局特征提取
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 机器学习与数据挖掘|Machine Learning & Data Mining
• 页码范围: 41-49
• 页数: 9页
• 分类号: TP18
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.0.2021.352

摘要

为提高红外舰船图像显著性检测精度,同时降低参数量,提出一种轻量型红外舰船显著性检测模型.该模型针对红外图像缺乏颜色、纹理等细节特征的特点,从以下三个方面进行轻量化设计:在骨干网络设计方面,将视觉几何组网络(visual geometry group,VGG)各层的通道数减少一半作为骨干网络,以减少冗余的特征;为了进一步减少模型参数量,在前两个低层卷积模块中引入一种轻量型的线性瓶颈模块(linear bottleneck,LB)替换传统卷积模块;提出一种新的提取全局特征能力更强的轻量型的高层线性瓶颈模块(high-level linear bottleneck,HLLB)替换后3个高层传统卷积模块,并且使用自适应平均池化提取高层特征作为全局特征以得到更丰富的上下文信息.针对红外数据集缺少的问题,构建一个红外舰船数据集IRShip,包括1002幅图像.试验结果表明:该算法能够有效实现红外舰船目标的显著性检测,并且通过与其他7种常用的显著性检测模型对比,本研究提出的模型可以在大幅减少参数量的情况下有效提升红外舰船显著性目标检测的性能.