基于CReLU和FPN改进的SSD舰船目标检测

发布时间：2022-02-20 10:03

　　在遥感图像中,舰船目标具有目标尺寸较小、形状细长、多个目标紧密排列、类间相似度高等特点,现有的深度学习目标检测算法对舰船小目标的检测精度不高,易发生错检、漏检情况。为了更有效地利用遥感图像信息,提高小目标检测精度,构建了舰船数据集SDNGV,提出基于串行修正线性单元CReLU和特征金字塔网络（FPN）改进的单射探测器（SSD）舰船目标检测识别方法。首先,在SSD网络的浅层添加CReLU,提升其浅层特征的传递效率;然后,采用FPN从网络的深层到浅层逐级融合SSD中用于检测的多尺度特征图,提升网络的定位精度和分类精度。实验表明,所提目标检测算法具有较好的检测精度,改进方法具有明显的效果,在舰船小目标的检测上有10%的检测精度提升。 

【文章来源】：仪器仪表学报. 2020,41(04)北大核心EICSCD

【文章页数】：8 页

【文章目录】：
0 引 言
1 深度学习目标检测的相关工作
2 舰船数据集SDNGV
3 基于CReLU和FPN改进的SSD目标检测算法
    3.1 CReLU激活函数
    3.2 特征金字塔
    3.3 网络结构
    3.4 损失函数
4 实验结果
    4.1 VOC数据集的实验结果与分析
    4.2 SNDGV数据集的实验结果与分析
5 结 论


【参考文献】：
期刊论文
[1]基于Mask R-CNN的舰船目标检测研究[J]. 吴金亮,王港,梁硕,陈金勇,高峰.  无线电工程. 2018(11)
[2]基于全局背景减法滤波器与多形状特征的红外舰船检测算法[J]. 陈艳浩.  电子测量与仪器学报. 2018(10)
[3]基于卷积神经网络的SAR图像舰船目标检测[J]. 李健伟,曲长文,彭书娟,邓兵.  系统工程与电子技术. 2018(09)
[4]一种改进光流法的运动目标检测及跟踪算法[J]. 李成美,白宏阳,郭宏伟,梁华驹.  仪器仪表学报. 2018(05)
[5]基于Faster-RCNN和多分辨率SAR的海上舰船目标检测[J]. 胡炎,单子力,高峰.  无线电工程. 2018(02)



本文编号：3634813