| 基于Faster R-CNN算法的船舶识别检测 |
| |
| 引用本文： | 崔巍,杨亮亮,夏荣,牟向伟,樊晓伟,杨海峰. 基于Faster R-CNN算法的船舶识别检测[J]. 合肥工业大学学报(自然科学版), 2020, 43(2): 182-187+223. DOI: 10.3969/j.issn.1003-5060.2020.02.007 |
| |
| 作者姓名： | 崔巍 杨亮亮 夏荣 牟向伟 樊晓伟 杨海峰 |
| |
| 作者单位： | 大连海事大学 航运经济与管理学院 ,辽宁 大连 116026,大连海事大学 航运经济与管理学院 ,辽宁 大连 116026,大连海事大学 航运经济与管理学院 ,辽宁 大连 116026,大连海事大学 航运经济与管理学院 ,辽宁 大连 116026,大连海事大学 航运经济与管理学院 ,辽宁 大连 116026;重庆市电力公司 发展策划部 ,重庆 400141,大连海事大学 航运经济与管理学院 ,辽宁 大连 116026;重庆市电力公司 发展策划部 ,重庆 400141 |
| |
| 基金项目： | 辽宁省教育厅科学技术研究项目;中央高校基本科研业务费专项;重庆市电力公司科技资助项目;国家自然科学基金 |
| |
| 摘 要： | ![]()
目前,检测卫星图像中船舶的常用方法如合成孔径雷达(synthetic-aperture radar,SAR)对多目标仍难以达到精确检测,而更快速的区域卷积神经网络(faster region-based convolutional neural network,Faster R-CNN)算法是一种深度学习算法,用于物体检测和分类时,可以实现高精度实时监测。文章应用Faster R-CNN算法对卫星图像中的船舶进行识别和检测,并与传统尺度不变特征转换(scale-invariant feature transform,SIFT)算法、快速区域卷积神经网络(fast region-based convolutional neural network,Fast R-CNN)算法进行对比。研究结果表明,Faster R-CNN算法比传统SIFT算法和Fast R-CNN算法有更好的收敛速度和识别精度,该算法在船舶识别方面具有较大潜力。
|
| 关 键 词： | 卫星图像 船舶检测 更快速的区域卷积神经网络(Faster R-CNN) 尺度不变特征转换(SIFT) 快速区域卷积神经网络(Fast R-CNN) |
Ship recognition and detection based on Faster R-CNN algorithm |
| |
| CUI Wei,YANG Liangliang,XIA Rong,MU Xiangwei,FAN Xiaowei,YANG Haifeng. Ship recognition and detection based on Faster R-CNN algorithm[J]. Journal of Hefei University of Technology(Natural Science), 2020, 43(2): 182-187+223. DOI: 10.3969/j.issn.1003-5060.2020.02.007 |
| |
| Authors: | CUI Wei YANG Liangliang XIA Rong MU Xiangwei FAN Xiaowei YANG Haifeng |
| |
| Abstract: | ![]()
|
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
