基于CNN海上钻井平台检测模型的构建及训练算法分析

摘要：

卷积神经网络(CNN)是深度学习(DL)中最具代表性的一种网络结构.合成孔径雷达(SAR)图像具有位置结构关系,CNN模型可以利用图像的位置结构关系,能够更好地提取图像特征,因此更适合采用CNN模型检测海洋目标.本文首先基于CNN框架构建了海上钻井平台检测的DL模型Ocean TDAx,并对模型进行训练和测试.试验结果表明,Ocean TDA9模型精度最高.然后针对Ocean TDA9模型,采用Adam、RMSprop、Stochastic gradient descent(SGD)、Adagrad、Momentum等7种模型训练算法进行试验,比较不同算法的训练损失和精度与训练批次的相关性.最后基于渤海海域的极化SAR数据,对提出的Ocean TDA9模型、已有的CNN模型及VGG模型进行海上钻井平台检测对比.结果表明,构建的Ocean TDA9模型在钻井平台检测中整体性能优良.

关键词：目标检测、钻井平台、卷积神经网络、模型训练、SAR影像

分类号：P237(摄影测量学与测绘遥感)

资助基金：山东省自然科学基金ZR2019MD034

在线出版日期：2022-08-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：26-32,99