基于改进R2 CNN的遥感图像船舶检测方法研究
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.3969/j.issn.1000-4653.2023.02.015

基于改进R2 CNN的遥感图像船舶检测方法研究

引用
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.

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

46

U675.79;TP391.4

国家科工委项目;国家自然科学基金

2023-07-05(万方平台首次上网日期,不代表论文的发表时间)

共7页

106-112

相关文献
评论
暂无封面信息
查看本期封面目录

中国航海

1000-4653

31-1388/U

46

2023,46(2)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn