-
题名基于深度卷积神经网络的舰载机目标检测
被引量：7
- 1
-
-
作者
朱兴动
田少兵
黄葵
范加利
王正
陈化成
-
机构
海军航空大学岸防兵学院
海军航空大学(青岛校区)舰面航空保障与场站管理系
-
出处
《计算机应用》
CSCD
北大核心
2020年第5期1529-1533,共5页
-
文摘
针对航母甲板面舰载机密集易遮挡,舰载机目标难以检测,且检测效果易受光照条件和目标尺度影响的问题,提出了一种改进的更快的区域卷积神经网络(Faster R-CNN)舰载机目标检测方法。该方法设计了带排斥损失策略的损失函数,并结合多尺度训练,利用实验室条件下采集的图片对深度卷积神经网络进行训练并测试。测试实验显示,相对于原始Faster R-CNN检测模型,改进后的模型对遮挡舰载机目标具有良好的检测效果,召回率提高了7个百分点,精确率提高了6个百分点。实验结果表明,所提的改进方法能够自动全面地提取舰载机目标特征,解决了遮挡舰载机目标的检测问题,检测精度和速度均能够满足实际需要,且在不同的光照条件和目标尺度下适应性强,鲁棒性较高。
-
关键词
舰载机目标检测
排斥损失策略
更快的区域卷积神经网络
多尺度训练
-
Keywords
carrier-based aircraft target detection
repulsion loss strategy
Faster Region with Convolutional Neural Network(Faster R-CNN)
multi-scale training
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
