特征增强全卷积网络下的船舶检测

摘要：

针对现有船舶检测算法受海面背景噪声和不同种类船舶尺度变化影响,存在较多误检和漏检现象的问题,提出一种特征增强全卷积网络下的船舶检测方法.首先引入多尺度特征增强机制,提高模型对船舶目标的特征描述力.在每个单尺度特征提取阶段,利用计算获得的统计信息抑制海浪、杂波等背景噪声对船舶特征描述的干扰.同时,在多尺度特征融合阶段,利用双阶段特征自适应融合策略提高网络对不同尺度大小船舶的感知力.进一步,在回归分析求解框架下,改进目标检测头部网络,在回归分支中通过注意力增强机制优化中心度计算,更好地抑制低质量目标检测框,在保证检测效率的同时提高检测性能.所提方法在大型海事监控数据集SeaShips上的均值平均精度达到91.6％,检测速度为9帧/s,实验结果表明所提方法具有良好的准确性和鲁棒性.

关键词：图像处理、船舶检测、全卷积网络、特征增强、深度学习

所属期刊栏目：34

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;中央高校基本科研业务费

在线出版日期：2022-08-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1028-1036