-
题名基于Faster R-CNN的海域监管预警方法
被引量：5
- 1
-
-
作者
文莉莉
孙苗
邬满
-
机构
广西壮族自治区药用植物园信息产业办
自然资源部海洋信息技术创新中心
国家海洋信息中心海洋信息化部
广西壮族自治区海洋研究院信息科
广西大学电气工程学院
-
出处
《吉林大学学报（信息科学版）》
CAS
2021年第4期421-429,共9页
-
基金
自然资源部海洋信息技术创新中心开放基金重点课题资助项目
国家自然科学基金资助项目(61763007
+1 种基金
61866007)
广西科技重大专项基金资助项目(桂科AA18118025)。
-
文摘
针对传统实地调查取证、人工对比遥感影像等高成本、低效率的海域监管方式无法满足当前监管需求的问题,利用星遥感影像和深度学习算法提出了一种针对大范围的、快速动态的用海综合管控手段。依托海量影像及多源海洋基础数据,在研究多规融合分析的基础上,基于Faster R-CNN(Regions with Convolutional Neural Networks features)算法,建立人工智能识别模型,实现对海上目标、非法用海占海与破坏生态环境行为的自动识别与预警。分析了Faster R-CNN算法原理,采用不同年份、不同卫星、不同分辨率的卫星遥感数据,针对5种常见海洋目标,建立了10000多张图片样本库,利用VGG16和RestNet101两种网络模型进行了训练和测试。实验结果表明,RestNet101模型计算量略大于VGG16模型,但其具有更强的复杂特征提取能力,更适合于复杂海上目标的检测与识别;对本文中特定的5类目标总体识别准确率在80%以上。利用该模型结合海洋规划数据,实现了大范围海域的快速自动监管和非法用户行为预警,为海洋智能化监管提供了一种新思路。
-
关键词
Faster
R-CNN算法
卷积神经网络
多规融合
遥感影像
海域监管
-
Keywords
faster regions with convolutional neural networks features(Faster R-CNN)
convolutional neural network
multi planning fusion
remote sensing image
sea area supervision
-
分类号
TP312
[自动化与计算机技术—计算机软件与理论]
-
