基于改进SSD的舰船目标精细化检测方法

摘要：

以SSD为代表的主流深度学习方法在目标检测领域取得了显著的成绩,但由于该类方法只能以矩形框给出目标的概略位置,检测结果具有很大的背景冗余区域,特别是港口密集停泊的舰船在图像中会出现区域重叠,导致误检和漏检.针对以上问题,提出了一种具有旋转不变性的舰船目标精细化检测方法,该方法综合利用可变形卷积、可变形池化、旋转的边框回归和旋转的非极大值抑制等模块的优点,借鉴MobileNet架构对网络加速,通过学习密集区域目标的几何形变,有效预测目标的旋转角度,最终以旋转的矩形框给出目标的位置.实验结果表明,该算法可实现多类舰船目标类型区分和目标朝向判定的功能,有效地解决了实际应用中的目标精确定位定向难题,提高了自动目标识别的精确性,并满足工程应用的实时性要求.

关键词：舰船检测、细粒度分类、深度学习、旋转不变性

所属期刊栏目：6

分类号：V557+.4(地面设备、试验场、发射场、航天基地)

资助基金：国防基础科研计划JCKY2017204B064

在线出版日期：2019-11-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：43-51