一种基于图像显著性的离岸船舶目标检测效率优化方法

发布时间：2021-10-24 05:41

　　目前基于CNN的方法已在高分辨率遥感影像目标检测工作中得到了应用。对像海上船舶这种小型目标的实时检测是该方向研究的难点之一,其主要原因是基于CNN的小型目标检测方法通常伴随较低的检测效率,因此在实时的应用中很难被采用。为此,本文提出了一种以图像显著性为依据的锚点筛选优化方法。该方法充分考虑了海面目标背景的独特性,在对每个像素进行显著性分析的同时,将特征映射中每个锚点对应的接受域进行评分统计。通过显著性机制的运用,使学习和检测过程排除了大量的无效锚点,大幅减少了初始包围窗的生成数量。这种优化过程的主要优势在于它避免了在区域显著性检测时小型船舶目标的流失,而且在训练过程中可以更好地控制正负样本的比例,防止样本不平衡的情况发生。实验证实,本文提出的方法大幅提升了对离岸船舶目标的检测效率,并对基于CNN的两级目标检测方法具有一定的通用性。 

【文章来源】：燕山大学学报. 2020,44(04)北大核心

【文章页数】：7 页

【部分图文】：

SAS优化的主要实现形式

式中,Fn+1i为特征映射中第i个锚点对应的第n+1个维度的值(原特征映射共n个维度),ki为第i个锚点对应的接受域的像素数。该设计的优点是整个过程计算量小,在显著性提取过程中,小目标丢失的风险小于视觉注意模型[25]和级联反馈模型[26]。需要指出的是,在训练过程中,由于用于生成负样本的大部分区域都已被排除,因而检测器需要随机选取一些无效锚点来生成负样本。这样,检测器的训练过程中正样本和负样本的数量可以很容易地得到平衡,从而使检测器性能得到少量优化[27]。图3 特征映射中锚点级显著性评分过程

特征映射中锚点级显著性评分过程

【参考文献】：
期刊论文
[1]融合判别区域特征与标签传播的显著性目标检测[J]. 王明,崔冬,李刚,顾广华.  燕山大学学报. 2019(05)



本文编号：3454687