多特征区域的细粒度船舶图像目标识别方法

• 作者: 徐志京 孙久武 霍煜豪
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 船舶识别 细粒度图像 多特征区域 循环注意卷积神经网络(RA-CNN)
• 年，卷（期）: 2022,（10）
• 所属期刊栏目: 图形图像处理|Graphics and Image Processing
• 页码范围: 224-230
• 页数: 7页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2010-0190

摘要

为解决单一特征细粒度船舶图像识别率低的问题,提出一种循环注意卷积神经网络(recurrent attention convolutional neural network,RA-CNN)与多特征区域融合的船舶目标识别方法.该方法通过在VGG-19网络中引入尺度依赖池化(scale-dependent pooling,SDP)算法解决小目标过度池化的问题,提升了小型船舶的识别性能;注意建议网络(attention proposal network,APN)加入联合聚类(joint clustering)算法,生成多个独立的特征区域,使整个模型充分利用全局信息,提高了船舶识别精度;同时设计特征区域优化方法降低多个特征区域的重叠率,解决了过拟合问题;通过定义新的损失函数来交叉训练VGG-19和APN,加快了收敛速度.利用公开的光电船舶数据集对该方法进行测试实验,识别准确率最高可达90.2％,无论是识别率还是模型的鲁棒性较单特征都有了很大的提升.