基于改进Mask R-CNN的可见光图像中舰船目标检测方法

摘要：

针对基于卷积神经网络的目标识别方法中经典的矩形检测框在检测舰船目标时会框出很多无关区域,易出现漏检、误检等问题,提出基于改进Mask R-CNN(mask region-based convolution neural networks)的舰船目标检测方法,在Mask R-CNN网络的基础上通过增加判别模块、类别预测分支和语义分割分支对视觉系统采集的可见光图像中的舰船目标进行目标定位和类别预测,同时获得舰船目标的边缘轮廓并实现对军舰目标的语义分割,为海上无人作战系统提供更精确的信息.实验结果表明,该方法在保持较高检出率和运行效率的同时误检率较低,舰船目标的平均检测精度较高,具有良好的舰船目标检测性能.

关键词：舰船目标;目标检测;Mask R-CNN;语义分割

所属期刊栏目：41

分类号：TP391.9(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61471412,61771020

在线出版日期：2021-08-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：734-744