赵春晖, 周 瑶

(哈尔滨工程大学 信息与通信工程学院, 黑龙江 哈尔滨 150001)

我国作为领土大国和军事强国, 海洋领土的安全不容忽视, 海面军事能力是我国作为军事强国的一种体现, 所以我国要对港口和海面进行监控. 本项目将通过对舰船图像识别, 达到作战力量评估、作战力量侦察、监控敌方战场动态、敌我海上态势的分析、监控敌方港口及舰船信息、战场力量分析、预估战斗结果等目的.

在图像检测与识别领域,传统的图像识别方法都是人为的设计目标的特征[1-2],这样工作量很大并且识别效果不好.随着科技的进步,通过深度学习方法对图像进行目标检测与识别[3],日益为人们所使用.深度学习框架能够通过卷积神经网络对训练图像学习,自动的从图像中提取出目标的特征,学习能力强且识别速度快、精度高[4].所以本文中应用了Faster R-CNN算法对舰船目标图像进行目标检测与识别,Faster R-CNN算法虽然创新性的使用了区域建议网络,但是算法的运行速度仍然不够快,这是由于区域建议网络在最后的特征图层的每一个元素的对应位置生成了9个不同大小和尺寸的区域框,这里的区域框的尺寸和比例都预先设定好,并没有根据数据集中目标的大小而改变,所以训练和检测的速度都会相对较慢.在本文中,引用了K-Means聚类算法[5],对训练集中的目标框的大小进行聚类分析,得出图像中的目标框的几种不同尺寸,用这几种尺寸代替原本算法中设……