邱晓华，李 敏，邓光芒，王利涛

（1.火箭军工程大学作战保障学院，陕西西安710025；2.武警工程大学信息工程学院，陕西西安710086）

1 引 言

海上视频监控在民用和军事应用领域中发挥的作用越来越明显，例如保护海洋环境、海上人员和货物安全。随着深度学习技术的快速发展，海面自动化控制可实现可视化的船舶自动识别，受到人们的广泛关注和深入研究。集成可见光（Visible Light，VIS）波段和红 外（Infrared Spectroscopy，IR）波段互补信息的双波段图像相比单一波段图像，具有受光照、遮挡和雨雾影响小的优势，已成功应用于人脸识别领域［1］。近年来，面向双波段图像计算机视觉任务的深度学习技术，在场景三维重建［2］、工业自动化控制［3］以及目标检测跟踪［4-6］等领域逐渐成为一个研究热点。

深度学习大幅提升计算机视觉任务性能的关键因素之一在于大型标注图像数据集，例如ImageNet数据集。VIS波段海上船舶数据集的规模难以达到大型ImageNet数据集的数量级，目前公开的最大海上船舶数据集MARVEL具有40万张样本［7］，将其用于训练深度卷积神经网络（Convolutional Neural Networks，CNN）网络虽然不会出现过拟合问题，但识别效果并不明显且训练耗时较多。VIS和IR双波段图像船舶数据集的标注样本更少，目前唯一公开的VAIS数据集［8］，仅有一千余对标注样本，其用于训练深度CNN网络或微调预训练模型易出现过拟合问题。

在双波段船舶识别中，为避免标注样本少导致过拟合问题，普遍采用基于ImageNet数据集预训练的深度CNN模型提取图像特征，而后再进行融合识别。……