改进R-FCN的船舶识别方法

摘要：

针对复杂海情下需要对不同大小及种类的船舶进行检测的问题,提出一种基于深度学习的船舶检测方法,该方法主要针对区域全卷积网络(R-FCN)进行改进.首先选取ResNet50网络用于自动提取特征,并将Feature Map自动提供给改进的R-FCN;其次根据船舶识别的特性改进R-FCN,使得R-FCN在船舶检测上能够完全发挥其性能;最后根据部分类别船舶体积较小识别率低的问题,先采取最大池化层(Maxpooling)进行改进,将小目标船舶识别率提高了4.08个百分点,之后针对ROIAlign进行改进.改进的R-FCN方法比原始的R-FCN在小目标船舶识别方面表现更优,精度共提升了13个百分点,还与目前主流的目标检测算法如Faster-RCNN等进行了对比.实验结果表明,该方法识别精度更高,速率与其他方法基本持平.

关键词：深度学习、目标检测、区域全卷积网络(R-FCN)

所属期刊栏目：14

分类号：TP391(计算技术、计算机技术)

资助基金：The Natural Science Foundation of Jiangsu Province under Grant No. BK20171142 江苏省自然科学基金面上项目

在线出版日期：2020-06-15（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：1045-1053