遥感舰船目标检测识别方法

摘要：

针对基于经典图像处理方法的目标检测识别方法虚警率高、分类效果差等问题,提出了一种基于深度学习的光学遥感舰船目标检测识别方法.该方法采用形态学运算+深度学习的方法,基于视觉增强技术快速筛选疑似目标,大幅降低需处理的数据量;采用深度学习网络,大幅降低目标检测虚警率.在2片Xilinx FPGA上完成了设计验证,利用FPGA全并行流水处理的特点,大幅提升处理效率和实时性,相对采用i7-CPU和GPU-GTX1050实现该算法,能效比分别提升260倍和28倍.经16景高分2号卫星遥感图像验证,目标检测识别率高于98％,虚警率低于5％.与现有的目标检测识别方法比,该方法在工程化能力、鲁棒性、实时性、准确率、能效比等方面达到较好平衡,性能优越,优于当前业内方法.

关键词：目标检测和识别、深度学习、卷积神经网络、VGG16模型、现场可编程门阵列

所属期刊栏目：35

分类号：V19(航空、航天的应用)

资助基金：国家自然科学基金61472260

在线出版日期：2020-05-18（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：64-72