论文摘要
以SSD为代表的主流深度学习方法在目标检测领域取得了显著的成绩,但由于该类方法只能以矩形框给出目标的概略位置,检测结果具有很大的背景冗余区域,特别是港口密集停泊的舰船在图像中会出现区域重叠,导致误检和漏检。针对以上问题,提出了一种具有旋转不变性的舰船目标精细化检测方法,该方法综合利用可变形卷积、可变形池化、旋转的边框回归和旋转的非极大值抑制等模块的优点,借鉴MobileNet架构对网络加速,通过学习密集区域目标的几何形变,有效预测目标的旋转角度,最终以旋转的矩形框给出目标的位置。实验结果表明,该算法可实现多类舰船目标类型区分和目标朝向判定的功能,有效地解决了实际应用中的目标精确定位定向难题,提高了自动目标识别的精确性,并满足工程应用的实时性要求。
论文目录
文章来源
类型: 期刊论文
作者: 梁杰,李磊,周红丽
关键词: 舰船检测,细粒度分类,深度学习,旋转不变性
来源: 导航定位与授时 2019年05期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 武器工业与军事技术,船舶工业,计算机软件及计算机应用,自动化技术
单位: 北京机电工程研究所,复杂系统控制与智能协同技术重点实验室
基金: 国防基础科研计划(JCKY2017204B064)
分类号: U674.7;TP18;TP391.41
DOI: 10.19306/j.cnki.2095-8110.2019.05.007
页码: 43-51
总页数: 9
文件大小: 3231K
下载量: 305