计算机科学与探索

作者：黄致君，桑庆兵

单位：江南大学 物联网工程学院，江苏 无锡 214122

关键词：深度学习,目标检测,区域全卷积网络（R-FCN）

针对复杂海情下需要对不同大小及种类的船舶进行检测的问题，提出一种基于深度学习的船舶检测方法，该方法主要针对区域全卷积网络（R-FCN）进行改进。首先选取ResNet50网络用于自动提取特征，并将Feature Map自动提供给改进的R-FCN；其次根据船舶识别的特性改进R-FCN，使得R-FCN在船舶检测上能够完全发挥其性能；最后根据部分类别船舶体积较小识别率低的问题，先采取最大池化层（Maxpooling）进行 改进，将小目标船舶识别率提高了4.08个百分点，之后针对ROIAlign进行改进。改进的R-FCN方法比原始的R-FCN在小目标船舶识别方面表现更优，精度共提升了13个百分点，还与目前主流的目标检测算法如Faster-RCNN等进行了对比。实验结果表明，该方法识别精度更高，速率与其他方法基本持平。

来源：2020年第6期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2020年第6期