文献类型：期刊文章

作　　者：范加利[1] 田少兵[2] 黄葵[1] 朱兴动[3]

FAN Jiali;TIAN Shaobing;HUANG Kui;ZHU Xingdong(Department of Shipboard Aviation Support and Station Management,Naval Aviation University(Qingdao Campus),Qingdao 266041,China;Unit 91851 of the PLA,Huludao 125000,China;Coast Guard Academy,Naval Aviation University,Yantai 264001,China)

机构地区：[1]海军航空大学(青岛校区)舰面航空保障与场站管理系,山东青岛266041 [2]中国人民解放军91851部队,辽宁葫芦岛125000 [3]海军航空大学岸防兵学院,山东烟台264001

出　　处：《系统工程与电子技术》

基　　金：军队科研基金资助课题。

年　　份：2022

卷　　号：44

期　　号：1

起止页码：40-46

语　　种：中文

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

摘　　要：针对航母舰面复杂的多尺度目标检测环境,且现有算法对牵引车、人员等小目标检测性能不佳的问题,提出一种改进快速区域卷积神经网络(faster region convolutional neural netuorks, Faster R-CNN)的舰面多尺度目标检测算法。基于多尺度特征层提取了不同尺度的区域建议网络,提高了算法对不同尺度目标尤其是对小目标的检测性能。基于K-means聚类算法生成了适合于舰面目标数据集的先验框尺寸,进一步提升了算法的性能。实验表明,所提算法有效地提升了不同尺度目标的检测性能,尤其是对小目标的检测效果,并对所提算法进行了消融实验,最后与不同算法的性能进行了对比,所提算法检测准确率取得了最优水平。

关 键 词：目标检测 多尺度特征层  K-MEANS聚类 航母舰面  

分 类 号：TP391.41]