论文部分内容阅读
针对现有的舰船目标自动识别方法容易受到物理噪声干扰、实时性差等问题,提出一种基于深度学习中Faster R-CNN (快速区域卷积神经网络)的海上舰船识别算法。首先建立了一套海上舰船图片的训练集与测试集;其次为了增强网络的泛化能力,在区域生成网络的第一个全连接层后增加了一个dropout层;最后为了减小过拟合,在分类时只使用了一个含有2048个神经元的全连接层。目前算法可以将海上舰船目标自动识别为航母、其他军舰、民船三类,在本文设定的测试集上准确率为90.4%,检测速度为每秒15帧左右。