典型文献
基于Faster R-CNN的航母舰面多尺度目标检测算法
文献摘要：
针对航母舰面复杂的多尺度目标检测环境,且现有算法对牵引车、人员等小目标检测性能不佳的问题,提出一种改进快速区域卷积神经网络(faster region convolutional neural netuorks,Faster R-CNN)的舰面多尺度目标检测算法.基于多尺度特征层提取了不同尺度的区域建议网络,提高了算法对不同尺度目标尤其是对小目标的检测性能.基于K-means聚类算法生成了适合于舰面目标数据集的先验框尺寸,进一步提升了算法的性能.实验表明,所提算法有效地提升了不同尺度目标的检测性能,尤其是对小目标的检测效果,并对所提算法进行了消融实验,最后与不同算法的性能进行了对比,所提算法检测准确率取得了最优水平.
文献关键词：
目标检测;多尺度特征层;K-means聚类;航母舰面
中图分类号：
作者姓名：
范加利;田少兵;黄葵;朱兴动
作者机构：
海军航空大学(青岛校区)舰面航空保障与场站管理系,山东青岛266041;中国人民解放军91851部队,辽宁葫芦岛125000;海军航空大学岸防兵学院,山东烟台264001
文献出处：
引用格式：
[1]范加利;田少兵;黄葵;朱兴动-.基于Faster R-CNN的航母舰面多尺度目标检测算法)[J].系统工程与电子技术,2022(01):40-46
A类：
航母舰面,netuorks,多尺度特征层
B类：
Faster,多尺度目标检测,目标检测算法,检测环境,牵引车,小目标检测,检测性能,快速区域卷积神经网络,faster,region,convolutional,neural,不同尺度,区域建议网络,means,聚类算法,舰面目标,先验框,检测效果,消融实验,检测准确率
AB值：
0.216973
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。
