基于改进Faster R-CNN的SAR舰船图像检测

来源 :船舶工程 | 被引量 : 0次 | 上传用户：luoming106

【摘要】

：

针对传统的SAR舰船检测算法适应能力和准确率低的问题,提出一种基于改进Faster R-CNN的SAR舰船图像检测算法.改进后的算法以FasterR-CNN为检测框架,利用改进的k-means算法设计更适合舰船目标形状特点的先验锚点框;优化NMS算法以剔除重叠区域的舰船候选框,改善了舰船距离较近导致的漏检问题;同时引入Mask R-CNN算法中的RoI Align单元来消除特征图与原始图像的映射偏差.试验结果表明,改进后的算法相比 Faster R-CNN算法平均检测精度提升5.1％,达到86.64％,可

【作者】

：

王毓玮史国友林佳木

【机构】

：

大连海事大学航海学院,辽宁大连 116026;辽宁省航海安全保障重点实验室,辽宁大连 116026;大连海事大学航海学院,辽宁大连 116026

【出处】

：

船舶工程

【发表日期】

：

2021年8期

【关键词】

：

深度学习舰船检测 RoI Align SAR图像

下载到本地 , 更方便阅读

下载此文赞助VIP

声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架

论文部分内容阅读

其他文献

船舶主海水系统智能状态评估模型

随着船舶系统维护方式智能化升级,为提高轮机人员工作效率,实现船舶海水系统的视情维修,基于状态识别与层次分析(AHP)-模糊综合评估(FCE)构建了智能状态评估模型(AHP-FCE).首先,搭建并验证RBF神经网络状态识别模型,获取连续多期系统状态概率向量;然后,利用多级模糊综合状态评估模型对系统当前状态进行综合评估;最后,基于“育鲲”轮真实数据进行可靠性验证,结果证明该模型的计算结果与实际情况匹配.该模型综合考虑连续多期参数,评估结果更加科学合理,可为其他船舶系统的状态评估提供一种新的应用思路.

期刊

层次分析法RBF神经网络模糊综合评估法状态评估

基于模型预测控制的船舶自主避碰方法

针对海上多船会遇情况下的船舶自主避碰问题,提出一种基于船舶运动数学模型的开阔水域船舶自主避碰方法.该方法利用模型预测控制(MPC)算法,在考虑船舶操纵性和避碰规则的条件下,采用模糊数学理论分析船舶航行过程中的碰撞危险度,进而构建避碰算法的评价函数,实现船舶自主避碰.仿真结果表明,该算法能解决开阔水域多船会遇情况下的船舶自主避碰问题,验证了算法的有效性.

期刊

船舶运动数学模型模型预测控制船舶避碰碰撞危险度

基于改进Faster R-CNN的SAR舰船图像检测

其他学术论文