遙感圖像船舶識(shí)別是目標(biāo)識(shí)別的一個(gè)重要領(lǐng)域,在海防和救援方面具有重大應(yīng)用價(jià)值.但遙感圖像中的船舶普遍存在云霧遮擋、陸地背景干擾和體積小等因素所造成的識(shí)別難的問題.為了能準(zhǔn)確識(shí)別復(fù)雜場(chǎng)景下船舶目標(biāo),在網(wǎng)絡(luò)的特征提取部分加入了視覺注意機(jī)制,增強(qiáng)網(wǎng)絡(luò)提取船舶特征信息的能力;并采用多級(jí)特征提取和去量化操作的學(xué)習(xí)方法來解決船舶體積小的問題;采用難樣本重學(xué)習(xí)的學(xué)習(xí)策略來弱化云霧遮擋和陸地背景的干擾.通過上述方法,船舶識(shí)別的綜合準(zhǔn)確率達(dá)到了92.56%,召回率達(dá)到了89.26%,與相同實(shí)驗(yàn)環(huán)境（PyTorch）下其他常見目標(biāo)檢測(cè)算法相比,精確率和召回率都有明顯提升.實(shí)驗(yàn)結(jié)果表明,文中方法在一定程度上解決了復(fù)雜場(chǎng)景下船舶分割和識(shí)別難的問題.實(shí)驗(yàn)中所使用代碼和部分結(jié)果詳見https://github.com/curioyang/First_paper. 

【文章來源】：計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2020,32(03)北大核心EICSCD

【文章頁數(shù)】：14 頁

【部分圖文】：

船舶檢測(cè)網(wǎng)絡(luò)結(jié)構(gòu)

476計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)第32卷圖5融入視覺注意機(jī)制的多級(jí)特征識(shí)別效果圖圖6RPN工作流程圖1.2.2難樣本選擇用難樣本(置信度小于一定閾值的樣本)進(jìn)行訓(xùn)練可以提高網(wǎng)絡(luò)的目標(biāo)識(shí)別能力,尤其是識(shí)別復(fù)雜場(chǎng)景下目標(biāo)的能力.RPN會(huì)給出每個(gè)待檢測(cè)船舶區(qū)域的分類置信度,當(dāng)船舶存在的置信度大于0.7時(shí),將當(dāng)前待檢測(cè)區(qū)域劃分為正常船舶樣本,該策略稱為常規(guī)船舶樣本篩選.當(dāng)船舶存在的置信度為[0.3,0.5]時(shí),將該待檢測(cè)區(qū)域劃分為困難船舶樣本,該策略稱為難樣本篩選.如圖1所示,在第1階段訓(xùn)練時(shí),RPN僅選擇出常規(guī)船舶樣本進(jìn)行

476計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)第32卷圖5融入視覺注意機(jī)制的多級(jí)特征識(shí)別效果圖圖6RPN工作流程圖1.2.2難樣本選擇用難樣本(置信度小于一定閾值的樣本)進(jìn)行訓(xùn)練可以提高網(wǎng)絡(luò)的目標(biāo)識(shí)別能力,尤其是識(shí)別復(fù)雜場(chǎng)景下目標(biāo)的能力.RPN會(huì)給出每個(gè)待檢測(cè)船舶區(qū)域的分類置信度,當(dāng)船舶存在的置信度大于0.7時(shí),將當(dāng)前待檢測(cè)區(qū)域劃分為正常船舶樣本,該策略稱為常規(guī)船舶樣本篩選.當(dāng)船舶存在的置信度為[0.3,0.5]時(shí),將該待檢測(cè)區(qū)域劃分為困難船舶樣本,該策略稱為難樣本篩選.如圖1所示,在第1階段訓(xùn)練時(shí),RPN僅選擇出常規(guī)船舶樣本進(jìn)行

【參考文獻(xiàn)】：
期刊論文
[1]甚高速區(qū)域卷積神經(jīng)網(wǎng)絡(luò)的船舶視頻檢測(cè)方法[J]. 楊名,阮雅端,陳林凱,張鵬,陳啟美.  北京郵電大學(xué)學(xué)報(bào). 2017(S1)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像艦船目標(biāo)檢測(cè)[J]. 黃潔,姜志國(guó),張浩鵬,姚遠(yuǎn).  北京航空航天大學(xué)學(xué)報(bào). 2017(09)
[3]BP神經(jīng)網(wǎng)絡(luò)聯(lián)合模板匹配的車牌識(shí)別系統(tǒng)[J]. 咼潤(rùn)華,蘇婷婷,馬曉偉.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(09)
[4]基于模板匹配法的字符識(shí)別算法研究[J]. 李新良.  計(jì)算技術(shù)與自動(dòng)化. 2012(02)
[5]一種適應(yīng)戶外光照變化的背景建模及目標(biāo)檢測(cè)方法[J]. 趙旭東,劉鵬,唐降龍,劉家鋒.  自動(dòng)化學(xué)報(bào). 2011(08)
[6]融合光流速度與背景建模的目標(biāo)檢測(cè)方法[J]. 張水發(fā),張文生,丁歡,楊柳.  中國(guó)圖象圖形學(xué)報(bào). 2011(02)



本文編號(hào)：3454497