仪器仪表学报

作者：李晖晖1，周康鹏2，韩太初1

单位：李晖晖1，周康鹏2，韩太初1,（1?西北工业大学自动化学院西安710072； 2?中国飞行试验研究院西安710089）,

关键词：关键词：目标检测;舰船检测;深度学习;卷积神经网络

基金：*基金项目：国家自然科学基金（61333017）项目资助

摘要：在遥感图像中，舰船目标具有目标尺寸较小、形状细长、多个目标紧密排列、类间相似度高等特点，现有的深度学习目标检测算法对舰船小目标的检测精度不高，易发生错检、漏检情况。为了更有效地利用遥感图像信息，提高小目标检测精度，构建了舰船数据集SDNGV，提出基于串行修正线性单元CReLU和特征金字塔网络（FPN）改进的单射探测器（SSD）舰船目标检测识别方法。首先，在SSD网络的浅层添加CReLU，提升其浅层特征的传递效率；然后，采用FPN从网络的深层到浅层逐级融合SSD中用于检测的多尺度特征图，提升网络的定位精度和分类精度。实验表明，所提目标检测算法具有较好的检测精度，改进方法具有明显的效果，在舰船小目标的检测上有10%的检测精度提升。

来源：2020年第4期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2020年第4期