甚高速区域卷积神经网络的船舶视频检测方法

被引：13

作者：

杨名 ^{[1
]}

阮雅端 ^{[1
]}

陈林凯 ^{[2
]}

张鹏 ^{[1
]}

陈启美 ^{[1
]}

机构：

[1] 南京大学电子科学与工程学院

[2] 江苏理工学院计算机工程学院

来源：

北京邮电大学学报 | 2017年 / 40(S1)卷 / S1期

关键词：

船舶视频检测; 深度学习; 背景建模; 卷积神经网络;

D O I：

10.13190/j.jbupt.2017.s.029

中图分类号：

TP183 [人工神经网络与计算]; TP391.41 [];

学科分类号：

080203 ;

摘要：

为解决背景建模等传统视频目标识别算法在内河水运复杂环境误差过大的问题,提出了甚高速区域卷积神经网络的船舶识别检测方法.分析了传统方法不足,阐述了卷积神经网络及后续的区域卷积神经网络的机制,给出了甚高速区域卷积神经网络特征模型,解析了损失函数的参数构建、参数设定,设定候选区域网络预测目标边界、计算匹配目标概率.经实际内河运动船舶视频检测表明,该算法对船舶识别率优于90%,同时对不同清晰度、不同视角、不同船舶流量的场景具有很好的鲁棒性,比传统的背景建模算法提高25.75%.

引用

页码：130 / 134

页数：5