基于改进Mask R-CNN网络模型的水面物体检测算法

摘要：

随着深度学习的发展,利用深度学习相关知识实现水面物体检测的信息化以及智能化具有重要的意义.受到水平面复杂环境的影响,水面物体的实例分割依然是如今的难点之一.以水面物体实例分割为研究对象,提出了一种改进的Mask R-CNN网络模型.在数据集的构建阶段,使用labelme标注工具对图像进行标注并且通过添加高斯噪声、随机亮度等方法实现图像的增强.对于Mask R-CNN网络模型的改进部分,采用ResNeXt50 作为骨干网络,并且在FPN网络中引入注意力机制SENet模块.实验结果表明,在IOU=0.5的判别方式中,改进后的网络模型相较于原始的Mask R-CNN网络模型,检测以及分割的平均精度分别提高到89.3%、88.5%.因此,改进后的Mask R-CNN网络模型相较于原始的Mask R-CNN网络模型更适合于水面物体的实例分割.

关键词：深度学习、实例分割、Mask R-CNN、SENet

所属期刊栏目：37

分类号：TP389.1(计算技术、计算机技术)

资助基金：国家自然科学基金41706101

在线出版日期：2023-11-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：12-18