基于改进MASK R?CNN的舰船目标三维识别

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.

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

所属期刊栏目：48

分类号：TP391.41(计算技术、计算机技术)

资助基金：国防科技卓越青年人才基金;泰山学者工程专项经费资助课题;装备预研共用技术领域基金

在线出版日期：2022-02-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：188-195