基于改进MASK R?CNN的舰船目标三维识别

• 作者: 柳碧辉 王培元
• 来源期刊: 无线电通信技术
• 学科: 工学
• 关键词: 舰船目标识别 卷积神经网络 三维建模 非极大值抑制
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 工程实践及应用技术|Engineering Practice and Application Technology
• 页码范围: 188-195
• 页数: 8页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1003-3114.2022.01.024

摘要

针对二维图像无法表征舰船深度信息、舰船紧密排列识别出现误检等问题,改进了MASK R?CNN的模型方法.首先在目标区域方框和类别预测的基础上,合理重建出三维模型;其次在原始的RPN网络中选取级联的方法增加滑动窗口数量,改善感受野获取信息有限问题;同时增加掩膜分支,在描述舰船目标特征的同时,增加对其轮廓边缘的限制;最后结合非极大值抑制的方法对冗余框进行过滤去除,实现对三维舰船实景目标的识别.进行了仿真实验,对舰船目标识别任务上的性能进行了全面分析,实验结果表明改进后的MASK R?CNN算法相比原始方法,在目标识别准确率上提高了14.8％,证明该方法对三维实景模型目标识别的优越性与准确性.