基于改进R2 CNN的遥感图像船舶检测方法研究

摘要：

为深入研究光学遥感图像中的船舶检测问题,提升检测精度和降低模型复杂度,设计基于改进旋转区域卷积和神经网络(Rotational Region Convolutional Neural Networks),R2CNN的两阶段旋转框检测模型.在模型的第一阶段使用水平框作为候选区域;在模型第二阶段引入水平框预测分支,并且设计一种间接预测角度的回归模型;在测试阶段进行旋转框非极大值抑制时,设计基于掩码矩阵的旋转框IoU(Intersection over Union)算法.试验结果显示:改进R2CNN模型在HRSC2016(High Resolution Ship Collection 2016)数据集上取得81.0％的平均精确度,相比其他模型均有不同程度的提升,说明改进R2CNN在简化模型的同时能有效提升使用旋转框检测船舶的性能.

关键词：船舶检测、遥感图像、卷积神经网络、R2CNN模型、旋转框检测、候选区域提取

所属期刊栏目：46

分类号：U675.79;TP391.4

资助基金：国家科工委项目;国家自然科学基金

在线出版日期：2023-07-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：106-112