深度学习遥感影像近岸舰船识别方法

摘要：

针对复杂背景近岸舰船检测与细粒度识别难题,提出了一种基于深度学习的新型端到端目标识别框架,可有效检测与识别任意方向的舰船目标.针对舰船目标短边尺度较小问题,提出了角度致密化的预设框设置方法,提高了候选区域生成时的召回率;采用改进方位敏感型区域插值池化,减少了坐标量化误差,实现了舰船局部区域特征的精确建模;利用注意力机制下的全局与局部特征区域级融合方法,提升了区域特征的类别判别能力,解决了细粒度舰船识别难题;针对舰船样本稀缺性问题,使用迁移学习提升了模型性能.构建了一个含有25类近岸舰船目标的细粒度数据集,与传统学习模型相比召回率提高2％,平均识别精度提高3％,对复杂背景下目标识别具有重要实用价值.

关键词：近岸舰船检测、细粒度分类、深度学习、端到端学习

所属期刊栏目：35

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61273279

在线出版日期：2020-06-11（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：51-58