张 倩, 张友梅, 李晓磊, 宋 然, 张 伟

基于自监督表征学习的海面目标检测方法

张 倩1, 张友梅2, 李晓磊1, 宋 然1, 张 伟1

(1. 山东大学 控制科学与工程学院, 山东 济南, 250061; 2. 齐鲁工业大学(山东省科学院) 数学与统计学院, 山东 济南, 250353)

为提升海上无人装备对海洋的感知与监测能力, 海面目标检测准确度的提升至关重要。但受复杂海况影响和传感器限制, 采集高质量海面目标样本困难, 导致大规模海面目标数据集缺乏, 使得基于深度学习的海面目标检测发展缓慢。为此, 文中将自监督表征学习引入海面目标检测领域, 利用动量对比自监督表征学习算法进行船舶特征学习, 从大规模无标签海面目标数据中挖掘船舶目标特征, 为后续进行基于更快的区域卷积神经网络的海面目标检测提供先验知识。实验结果表明, 借助于大规模无标签数据集, 文中提出的基于自监督表征学习的海面目标检测方法能够取得与有监督预训练方法相当的检测效果, 突破了有标注海面目标样本不足的限制。文中工作可为进一步研究基于深度学习的海洋智能感知问题提供参考。

海上无人装备; 目标检测; 自监督表征学习; 深度学习

0 引言

作为海域辽阔的海洋大国, 提升海洋科技实力对建设海洋强国意义重大。借助于无人艇等海上无人装备对海域进行实时监测可以有效加强海域管控, 维护我国海洋安全, 因而如何提高海上无人装备的智能感知能力便成为海洋科技领域的关键问题之一。……