资料下载
×
如何基于深度学习的复杂气象条件下海上船只检测
消耗积分:0 |
格式:rar |
大小:1.07 MB |
2018-12-19
分享资料个
为了解决复杂海情环境下的不同种类和大小的舰船检测问题，提出一种实时的深度学习的目标检测算法。首先，提出了一种清晰图片和模糊图片（雨、雾等图片）判别的方法；然后，在YOLO v2的深度学习框架的基础上提出一种多尺度目标检测算法；最后，针对遥感图像舰船目标的特点，提出了一种改进的非极大值抑制和显著性分割算法，对最终的检测结果进一步优化。在复杂海情和气象条件下的舰船目标公开比赛的数据集上，实验结果表明，相比原始的YOLO v2，该方法的准确率提升了16%。
遥感图像中的舰船检测问题一直是图像处理和模式识别领域的热门课题，在军用和民用领域都有广阔的应用前景。由于光学遥感图像容易受光照和云雾等影响，目前基于遥感图像的舰船检测主要围绕着合成孔径雷达（ Synthetic ApertureRadar，SAR）。展开。然而，光学图像的细节特征丰富，随着光学遥感卫星的分辨率不断提高，在海域舰船小目标检测、识别方面具有SAR图像不能比拟的优势，同时可以作为SAR图像目标检测的重要补充。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
