典型文献
基于深度学习的可见光舰船目标检测与识别
文献摘要：
目标检测技术是计算机视觉中的重要任务,舰船的目标检测是保证海面安全不可或缺的技术,提出了一种改进Faster R-CNN的可见光舰船图像目标检测方法.针对Faster R-CNN网络舰船目标检测时出现的尺度较为单一及ROI池化造成的精度损失问题,通过引入特征金字塔模块实现多尺度特征融合,并将ROI池化的下采样策略优化为ROI对齐方法,以此提升目标检测精度.实验表明,在可见光舰船数据集上取得了较好的效果,优化后网络模型使用VGGNet-16作为主干网络精度提升了5％,使用ResNet-101作为主干网络精度提升了5.4％,比YOLOv3精度最高提升了6.6％.
文献关键词：
目标检测;舰船检测;特征金字塔网络;ROI对齐
中图分类号：
作者姓名：
李秀娟;李军怀;乔路琪
作者机构：
西安理工大学 计算机科学与工程学院, 陕西 西安 710048;西安财经大学 信息学院, 陕西 西安 710100
文献出处：
引用格式：
[1]李秀娟;李军怀;乔路琪-.基于深度学习的可见光舰船目标检测与识别)[J].无线电工程,2022(03):484-491
A类：
B类：
可见光,舰船目标检测,目标检测与识别,计算机视觉,海面,Faster,图像目标检测,目标检测方法,ROI,池化,精度损失,塔模,多尺度特征融合,下采样,采样策略,策略优化,对齐方法,提升目标,检测精度,模型使用,VGGNet,主干网络,精度提升,ResNet,YOLOv3,舰船检测,特征金字塔网络
AB值：
0.367918
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
