朱兴动，田少兵，黄 葵，范加利，王 正，陈化成

（1.海军航空大学岸防兵学院，山东烟台264001； 2.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）

（∗通信作者电子邮箱745157824@qq.com）

0 引言

当前，计算机视觉技术发展迅速，图像目标检测已经广泛应用于军事国防领域。大力发展图像目标检测技术对于提升战斗力和人员装备安全有着至关重要的作用。现代航母是以舰载机为主要作战武器的大型水面舰艇，航母甲板面目标检测对于保障舰载机装备安全、提高飞机调运效率具有重要的意义。

传统的飞机目标检测算法主要有统计模式法、神经网络法、模板匹配法［1］等检测算法。这些算法大多提取原始图像中的特征组成特征向量，之后则利用适当的分类器进行检测和分类［2］。目前在图像识别领域中常用的特征提取算法有很多，如尺度不变特征转换（Scale-Invariant Feature Transform，SIFT）和梯度直方图（Histogram of Oriented Gradient，HOG）［3］。这类算法本质上是人工提取特征，主观干涉较多，提取过程较为复杂且精度难以提高，而且难以适应复杂多变的环境，泛化能力较差。

近些年来，深度学习在计算机视觉领域中迅速发展，基于深度卷积神经网络的目标检测得到了广泛的应用［4］。卷积神经网络因其参数共享、下采样、反向传播等处理方式，在目标检测方面的效果远超于传统的目标检测算法，在一定程度上保证了平移、旋转、尺度和光照不变性［5-6］，而且能够对图像中的目标直接全面地获取特征，避免了人为的干扰，学习能力强、检测精度高。……