基于CReLU和FPN改进的SSD舰船目标检测

被引：43

作者：

李晖晖 ^{[1
]}

周康鹏 ^{[2
]}

韩太初 ^{[1
]}

机构：

[1] 西北工业大学自动化学院

[2] 中国飞行试验研究院

来源：

仪器仪表学报 | 2020年 / 41卷 / 04期

关键词：

目标检测; 舰船检测; 深度学习; 卷积神经网络;

D O I：

10.19650/j.cnki.cjsi.J2006122

中图分类号：

U675.79 [新技术在航海上的应用]; TP751 [图像处理方法];

学科分类号：

摘要：

在遥感图像中,舰船目标具有目标尺寸较小、形状细长、多个目标紧密排列、类间相似度高等特点,现有的深度学习目标检测算法对舰船小目标的检测精度不高,易发生错检、漏检情况。为了更有效地利用遥感图像信息,提高小目标检测精度,构建了舰船数据集SDNGV,提出基于串行修正线性单元CReLU和特征金字塔网络(FPN)改进的单射探测器(SSD)舰船目标检测识别方法。首先,在SSD网络的浅层添加CReLU,提升其浅层特征的传递效率;然后,采用FPN从网络的深层到浅层逐级融合SSD中用于检测的多尺度特征图,提升网络的定位精度和分类精度。实验表明,所提目标检测算法具有较好的检测精度,改进方法具有明显的效果,在舰船小目标的检测上有10%的检测精度提升。

引用

页码：183 / 190

页数：8

共 7 条

[1] 基于Mask R-CNN的舰船目标检测研究
吴金亮
王港
梁硕
陈金勇
高峰
[J]. 无线电工程, 2018, 48 (11) : 947 - 952
[2] 基于全局背景减法滤波器与多形状特征的红外舰船检测算法
陈艳浩
[J]. 电子测量与仪器学报, 2018, 32 (10) : 138 - 146
[3] 基于卷积神经网络的SAR图像舰船目标检测
李健伟
曲长文
彭书娟
邓兵
[J]. 系统工程与电子技术, 2018, 40 (09) : 1953 - 1959
[4] 一种改进光流法的运动目标检测及跟踪算法
李成美
白宏阳
郭宏伟
梁华驹
[J]. 仪器仪表学报, 2018, 39 (05) : 249 - 256
[5] 基于Faster-RCNN和多分辨率SAR的海上舰船目标检测
胡炎
单子力
高峰
[J]. 无线电工程, 2018, 48 (02) : 96 - 100
[6] The Pascal Visual Object Classes Challenge: A Retrospective[J] . Mark Everingham,S. M. Ali Eslami,Luc Gool,Christopher K. I. Williams,John Winn,Andrew Zisserman.International Journal of Computer Vision . 2015 (1)
[7] Understanding and improving convolutional neural networks via concatenated rectified linear units .2 Shang W,Sohn K,Almeida D,et al. International Conference on Machine Learning . 2016

← 1 →