苏 浩,丁 胜,3,章超华

(1.武汉科技大学计算机科学与技术学院,湖北 武汉 430065;2.智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学),湖北 武汉 430065;3.福建省大数据管理新技术与知识工程重点实验室(泉州师范大学),福建 泉州 362000)

0 引 言

遥感图像具有宏观、综合、实时、动态、快速等特点，为地球资源调查与开发、国土整治、环境监测以及全球性研究，提供了新的手段[1]。船只目标自动检测技术是遥感图像智能解译领域的重要研究方向之一。船只作为一类重要的军事和民用地物目标，其检测识别技术在国防安全、海洋经济、水上交通安全和应急救援等方面具有重要的应用。

近年来，深度学习在图像识别领域发展迅速[2]，其通过多层网络直接对图像卷积和池化操作来提取图像本质特征，在目标检测领域有突出的优势。特别是卷积神经网络(Convolutional Neural Networks， CNN)的出现，为图像特征提取带来全新的解决方法。卷积神经网络不需要人为设计参数，会根据海量数据和标注对数据集自行进行有效特征提取和学习[3-4]。在训练数据充足的条件下，模型具有良好的泛化能力，能够在复杂多变的背景下依然保持良好的鲁棒性[5]。因此，卷积神经网络模型已被广泛应用于图像目标检测与识别领域，并且将其用于遥感图像的检测任务也是目前研究的热点。

目标检测任务按照框架不同可以分为2类：两阶段检测算法与单阶段检测算法。两阶段检测算法首先通过区域候选网络(Region Proposal Network， RPN)生成区域推荐框，再对其进行进一步分类与回归操作[6]。……