基于R-CNN算法的海上船只的检测与识别  

Detection and recognition of marine vessels based on R-CNN

作　　者：张新 郭福亮[1] 梁英杰 陈修亮 Zhang Xin;Guo Fuliang;Liang Yingjie

机构地区：[1]海军工程大学计算机与数据工程教研室,武汉430033 [2]海军工程大学舰船综合电力技术国防科技重点实验室,武汉430033 [3]军委训练管理部信息中心,北京100097

出　　处：《计算机应用研究》2020年第S01期314-315,319,共3页Application Research of Computers

基　　金：国家自然科学基金资助项目

摘　　要：针对海上的船只目标,采用深度学习目标分类算法中的R-CNN(region with CNN)算法对其进行分类检测与识别。将实验中的船只数据分为货船、邮轮和游艇三类,通过调整优化神经网络中的迭代次数、批处理尺寸等参数,使神经网络识别准确率达到80.98%。同时将该神经网络用于图像特征提取,使R-CNN的mAP值达到48.88%。同时应用soft-NMS对R-CNN算法进行改进,改进后的R-CNN算法的m AP值达到51%,要好于之前的算法。相比于传统的机器学习目标检测识别算法,基于深度学习的目标检测识别算法拥有更高的检测准确度和执行效率。实验结果表明,该算法可以有效地实现海上船只的检测与识别。

关 键 词：深度学习 R-CNN 船舶检测 选择性搜索 边框回归 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程] TP391.41[自动化与计算机技术—控制科学与工程]