文献类型：期刊文章

作　　者：马啸[1] 邵利民[2] 金鑫[2] 卢惠民[3] 肖军浩[3] 谷东亮[2]

MA Xiao;SHAO Limin;JIN Xin;LU Huimin;XIAO Junhao;GU Dongliang(Naval Research Institute,Beijing 100071,China;Department of Navigation,Dalian NavalAcademy,Dalian,Liaoning 116018,China;Department of Automation,School of Intelligent Science,National University of Defense Technology,Changsha,Hu nan 410000,China)

机构地区：[1]海军研究院,北京100071 [2]海军大连舰艇学院航海系,辽宁大连116000 [3]国防科技大学智能科学学院自动化系,湖南长沙410000

出　　处：《北京理工大学学报》

基　　金：国家自然科学基金资助项目(61471412,61771020)。

年　　份：2021

卷　　号：41

期　　号：7

起止页码：734-744

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EI、IC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：针对基于卷积神经网络的目标识别方法中经典的矩形检测框在检测舰船目标时会框出很多无关区域,易出现漏检、误检等问题,提出基于改进Mask R-CNN(mask region-based convolution neural networks)的舰船目标检测方法,在Mask R-CNN网络的基础上通过增加判别模块、类别预测分支和语义分割分支对视觉系统采集的可见光图像中的舰船目标进行目标定位和类别预测,同时获得舰船目标的边缘轮廓并实现对军舰目标的语义分割,为海上无人作战系统提供更精确的信息.实验结果表明,该方法在保持较高检出率和运行效率的同时误检率较低,舰船目标的平均检测精度较高,具有良好的舰船目标检测性能.

关 键 词：舰船目标 目标检测 Mask R-CNN  语义分割  

分 类 号：TP391.9]