基于卷积神经网络的舰船检测研究

发布时间：2020-11-04 00:20

　　 近年来包括我国在内的世界各国就关乎海洋利益的争执与摩擦日渐增多,而海面舰船作为海上行动中最常见的载体以及军事目标,对其进行检测识别不仅在民用领域具有广泛的实际应用,在军事领域更是具有重要的战略意义。本文对舰船目标检测问题进行了深入研究,使用卷积神经网络对海面舰船目标进行检测,具体工作如下:第一、提出了一种基于deformable Faster R-CNN舰船检测框架,主要通过对其基础网络部分进行适应性修改,包括常规的卷积方式替换为可变形卷积以及空洞卷积,对ResNet-101基础网络最后一个模块的卷积核步长进行了调整,提升了 ResNet-101基础网络输出特征图的分辨率,提升小目标的检测效果。对RoI-Wise子网络在检测框架中的位置进行了调整,将RoI Pooling替换为deformable RoI Pooling,对RoI-Wise子网络中的全连接层进行了修改,加快了舰船目标检测的速度。并使用本文提出的Decay-NMS进行后处理,同时本文还对deformable Faster R-CNN的分类损失函数进行了修改,替换为Focal Loss,最后通过对比实验验证了本文算法的有效性。第二、提出了一种基于deformable R-FCN舰船检测框架,在R-FCN的基础上通过对基础网络、RoI Pooling Layer、损失函数以及后处理阶段的修改,具体包括正常卷积替换为可变形卷积以及空洞卷积、使用deformable PS RoI Pooling、修改损失函数为Focal Loss以及使用本文的Decay-NMS进行后处理。实验表明deformable R-FCN对于舰船目标的检测精度有明显提高。第三、提出了基于deformable FPN舰船检测框架,对构建特征金字塔网络的卷积层进行卷积核类型替换,将原始的RoI Pooling Layer替换为deformable PS Rol Pooling layer,修改了损失函数和后处理方式。最后通过大量的对比实验验证了 deformable FPN算法的有效性。
【学位单位】：厦门大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：U674.7;TP183
【部分图文】：

医疗领域１：＜］的癌症诊断等，还广泛应用在军事领域如远距离精确制导、战场形式??探测、敌我目标识别等。因此，目标检测在民用以及军用方面都有重要的意义。??海面舰船目标检测通常分为检测和识别两部分，如图１－１所示，海面舰船目??标检测是隶属于通用目标检测的特殊场景，是从复杂的海岸及海洋背景中找到目??标并对目标进行定位的过程。??原始ｍ像?舰船检测?舰船识别??图１－１：海面舰船目标检测过程分为检测和识别两步??我国海域广阔，海岸线长达１８０００多千米，海洋资源极其丰富，近年来包括??我国在内的世界各国就关乎海洋利益的争执与摩擦日渐增多，而舰船作为海上主??要的活动载体以及军事目标，海面舰船目标检测己经越来越受到各国政府的重视。??在民用领域，其可以代替人工实时地对特定港口、港湾、海域进行监控，不??仅可以配合相关渔政部门有效遏制非法倾倒油污、非法捕捞、走私及海盗等现象，??１??

不同视角、部分遮挡等尽可能多的现实场景。另外本文数据集图像均为１０２４Ｘ??１０２４大小，其中舰船多为小目标，符合实际应用场景。综上所述，本文数据集基??本上还原了真实场景，考虑到了诸多真实情况下遇到各种困难情况，具体如图１－??２。??２??

?输出特征图??图２－?１：可变形卷积示意图［４１］??如图２－１所示，对于一张输入特征图，假设原始的卷积核为３Ｘ３，为了学??习相应的偏移量，我们需要定义另外一个卷积核大小为３Ｘ３的卷积层，卷积后??输出的特征图尺寸与输入特征图尺寸相同，维度为输入维度的２倍（分别表示??Ｘ，ｙ方向上的偏移量）。至此，我们有了输入特征图，以及输入特征图上每一点??对应的偏移，于是就可以做可变形卷积操作了。??２．１．３空洞卷积??空洞卷积（Ｄｉｌａｔｅｄ?Ｃｏｎｖｏｌｕｔｉｏｎ）又译作扩张卷积，是指在卷积操作??时针对输入特征图依次跳过一些采样点，以此来增加感受野。相比较标准的卷积??操作，空洞卷积增加了一个超参数称之为空洞率（ｄｉｌａｔｅｄ?ｒａｔｅ），指的是卷积??核之间间隔的数量
【参考文献】

相关硕士学位论文 前2条

1 李文武;中低分辨率光学遥感图像舰船目标检测算法研究[D];国防科学技术大学;2008年

2 蒋李兵;基于高分辨光学遥感图像的舰船目标检测方法研究[D];国防科学技术大学;2006年

本文编号：2869319