文献类型：期刊文章

作　　者：黄洁[1,2] 姜志国[1,2] 张浩鹏[1,2] 姚远[1,2]

HUANG Jie JIANG Zhiguo ZHANG Haopeng YAO Yuan(School of Astronautics, Beijing University of Aeronautics and Astronautics, Beijing 100083, China Beijing Key Laboratory of Digital Media, Beijing University of Aeronautics and Astronautics, Beijing 100083, China)

机构地区：[1]北京航空航天大学宇航学院,北京100083 [2]北京航空航天大学数字媒体北京市重点实验室,北京100083

出　　处：《北京航空航天大学学报》

基　　金：国家重点研发计划(2016YFB0501300;2016YFB0501302);国家自然科学基金(61501009;61371134;61071137);航天科技创新基金~~

年　　份：2017

卷　　号：43

期　　号：9

起止页码：1841-1848

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对遥感图像背景复杂、受环境因素影响大的问题,提出一种将卷积神经网络(CNN)与支持向量机(SVM)相结合的舰船目标检测方法,利用卷积神经网络可自主提取图像特征并进行学习的优点,避免了复杂的特征选择和提取过程,在复杂海况背景图像的处理中体现出较优的性能;同时,由于军舰样本获取难度大,应用迁移学习的概念,利用大量民船样本辅助军舰目标的检测,取得较好的效果。通过参数调整与实验验证,此方法在自行建立的测试集上检测率达到90.59%,对光照、环境等外界因素具有一定程度的鲁棒性。

关 键 词：卷积神经网络(CNN)  支持向量机(SVM)  舰船检测 特征提取  迁移学习  

分 类 号：TP391.4]