顾佼佼，李炳臻，刘 克，姜文志

基于改进Faster R-CNN的红外舰船目标检测算法

顾佼佼1，李炳臻2，刘 克1，姜文志1

（1. 海军航空大学 岸防兵学院，山东 烟台 264001；2. 中国人民解放军95668部队，云南 昆明 650000）

针对Faster R-CNN算法中对于红外舰船目标特征提取不充分、容易出现重复检测的问题，提出了一种基于改进Faster R-CNN的红外舰船目标检测算法。首先通过在主干网络VGG-16中依次引出三段卷积后的3个特征图，将其进行特征拼接形成多尺度特征图，得到具有更丰富语义信息的特征向量；其次基于数据集进行Anchor的改进，重新设置Anchor boxes的个数与尺寸；最后优化改进后Faster R-CNN的损失函数，提高检测算法的整体性能。通过对测试数据集进行分析实验，结果表明改进后的检测算法平均精确度达到83.98%，较之于原Faster R-CNN，精确度提升了3.95%。

深度学习；目标检测；舰船目标；红外图像；Faster R-CNN

0 引言

红外舰船目标检测在海上救援、海上军事活动等方面都具有十分重要的意义，尤其在军事领域，由于红外成像系统受光照条件影响小、成像稳定以及工作距离远等优点，因此红外舰船目标检测对于海战场的战场监测与侦察具有深远的研究价值。目前基于深度学习的目标检测算法在近年来取得了很大的突破，检测精度与速度与传统算法相比都有着质的飞跃，并在各个方面都有着十分广泛的应用，因此提出一种基于深度学习目标检测算法的红外舰船目标检测方法，将深度学习的方法应用到红外成像领域。

目前主流的目标检测算法……