文献类型：期刊文章

作　　者：袁明新[1,2] 张丽民[1,2] 朱友帅[1] 姜烽[1] 申燚[2]

YUAN Ming-xin;ZHANG Li-min;ZHU You-shuai;JIANG Feng;SHEN Yi(School of Mechanical Engineering,Jiangsu University of Science and Technology,Zhenjiang 212003,China;Zhangjiagang Industrial Technology Research Institute,Jiangsu University of Science and Technology,Zhangjiagang 215600,China)

机构地区：[1]江苏科技大学机械工程学院,江苏镇江212003 [2]张家港江苏科技大学产业技术研究院,江苏张家港215600

出　　处：《舰船科学技术》

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)

年　　份：2019

卷　　号：41

期　　号：1

起止页码：111-115

语　　种：中文

收录情况：BDHX、BDHX2017、ZGKJHX、核心刊

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。

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

分 类 号：TP391.41]