首页|基于改进Mask R-CNN的可见光图像中舰船目标检测方法

基于改进Mask R-CNN的可见光图像中舰船目标检测方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对基于卷积神经网络的目标识别方法中经典的矩形检测框在检测舰船目标时会框出很多无关区域,易出现漏检、误检等问题,提出基于改进Mask R-CNN(mask region-based convolution neural networks)的舰船目标检测方法,在Mask R-CNN网络的基础上通过增加判别模块、类别预测分支和语义分割分支对视觉系统采集的可见光图像中的舰船目标进行目标定位和类别预测,同时获得舰船目标的边缘轮廓并实现对军舰目标的语义分割,为海上无人作战系统提供更精确的信息.实验结果表明,该方法在保持较高检出率和运行效率的同时误检率较低,舰船目标的平均检测精度较高,具有良好的舰船目标检测性能.
Ship Target Detection in Optical Images Based on Improved Mask R-CNN

马啸、邵利民、金鑫、卢惠民、肖军浩、谷东亮

展开 >

海军研究院,北京100071

海军大连舰艇学院航海系,辽宁,大连116000

国防科技大学智能科学学院自动化系,湖南,长沙 410000

舰船目标 目标检测 Mask R-CNN 语义分割

6147141261771020

2021

10.15918/j.tbit1001-0645.2020.076

北京理工大学学报
北京理工大学

北京理工大学学报

CSTPCDCSCD北大核心
影响因子：0.609
ISSN：1001-0645
年,卷(期)：2021.41(7)
  • 15
  • 13