文献类型：期刊文章

作　　者：谷东亮[1] 徐晓刚[2] 金鑫[2]

机构地区：[1]海军大连舰艇学院学员五大队,辽宁大连 [2]海军大连舰艇学院航海系,辽宁大连

出　　处：《图像与信号处理》

基　　金：国家自然科学基金(61471412);国家自然科学基金(61273262);辽宁省自然科学基金(2015020086);辽宁省博士启动基金(201501029)。

年　　份：2018

卷　　号：7

期　　号：3

起止页码：136-141

语　　种：中文

收录情况：普通刊

摘　　要：针对现有的舰船目标自动识别方法容易受到物理噪声干扰、实时性差等问题,提出一种基于深度学习中Faster R-CNN (快速区域卷积神经网络)的海上舰船识别算法。首先建立了一套海上舰船图片的训练集与测试集;其次为了增强网络的泛化能力,在区域生成网络的第一个全连接层后增加了一个dropout层;最后为了减小过拟合,在分类时只使用了一个含有2048个神经元的全连接层。目前算法可以将海上舰船目标自动识别为航母、其他军舰、民船三类,在本文设定的测试集上准确率为90.4%,检测速度为每秒15帧左右。

关 键 词：海上舰船识别  深度学习  FASTER R-CNN  训练集 测试集

分 类 号：TP39]