針對基于經(jīng)典圖像處理方法的目標檢測識別方法虛警率高、分類效果差等問題,提出了一種基于深度學習的光學遙感艦船目標檢測識別方法。該方法采用形態(tài)學運算+深度學習的方法,基于視覺增強技術(shù)快速篩選疑似目標,大幅降低需處理的數(shù)據(jù)量;采用深度學習網(wǎng)絡(luò),大幅降低目標檢測虛警率。在2片Xilinx FPGA上完成了設(shè)計驗證,利用FPGA全并行流水處理的特點,大幅提升處理效率和實時性,相對采用i7-CPU和GPU-GTX1050實現(xiàn)該算法,能效比分別提升260倍和28倍。經(jīng)16景高分2號衛(wèi)星遙感圖像驗證,目標檢測識別率高于98%,虛警率低于5%。與現(xiàn)有的目標檢測識別方法比,該方法在工程化能力、魯棒性、實時性、準確率、能效比等方面達到較好平衡,性能優(yōu)越,優(yōu)于當前業(yè)內(nèi)方法。

【文章頁數(shù)】：9 頁

【文章目錄】：
0 引言
1 面向光學遙感衛(wèi)星應(yīng)用的船艦?zāi)繕藢崟r檢測算法
    1.1 目標檢測算法
    1.2 目標檢測算法實時實現(xiàn)
    1.3 目標檢測算法實現(xiàn)效果
2 基于光學遙感圖像的艦船目標識別方法
    2.1 目標識別算法
    2.2 目標識別算法實現(xiàn)效果
3 基于光學遙感圖像的艦船目標檢測識別系統(tǒng)構(gòu)建與驗證
    3.1 驗證系統(tǒng)構(gòu)建
    3.2 系統(tǒng)驗證
    3.3 性能分析
4 結(jié)束語



本文編號：3766073