论文摘要
为了提高海上无人艇的舰船目标检测精度和速率,本文基于深度学习方法,利用卷积神经网络、区域建议网络及Fast R-CNN检测框架构建了舰船检测系统。该系统通过共享的卷积神经网络提取特征;通过区域建议网络生成候选区域;通过Fast R-CNN框架实现目标检测识别,从而实现端到端的舰船目标检测。实验结果表明,相比于传统机器学习目标检测算法,该舰船检测系统在检测精度及检测速率上均有大幅提高,达到83.79%的准确率及0.05 s/帧的检测速率。本文的舰船检测系统在检测精度及速率上均表现优异,满足了水面无人艇的工作要求。
论文目录
文章来源
类型: 期刊论文
作者: 袁明新,张丽民,朱友帅,姜烽,申燚
关键词: 舰船,目标检测,深度学习,区域建议网络,卷积神经网络
来源: 舰船科学技术 2019年01期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 武器工业与军事技术,船舶工业,自动化技术
单位: 江苏科技大学机械工程学院,张家港江苏科技大学产业技术研究院
基金: 国家自然科学基金资助项目(61105071),张家港江苏科技大学产业技术研究院自主产业化资助项目(509914003)
分类号: TP18;U674.7
页码: 111-115+124
总页数: 6
文件大小: 5332K
下载量: 598