基于注意力机制和Faster R-CNN深度学习的海洋目标识别模型
2021-11-17文莉莉孙苗邬满
大连海洋大学学报 2021年5期
文莉莉,孙苗,邬满
(1.广西壮族自治区药用植物园 信息产业办公室,广西 南宁 530023;2.自然资源部 海洋信息技术创新中心,天津 300171;3.国家海洋信息中心,天津 300171;4.广西壮族自治区海洋研究院,广西 南宁 530022;5.广西大学 电气工程学院,广西 南宁 530004;6.南宁师范大学 北部湾人工智能应技术研究院,广西 南宁 530001)
随着中国经济社会的高速发展,沿海地区对于海洋资源的开发力度持续加大,中国海洋管理面临着越来越严峻的挑战,受开发理念(重开发轻治理)、开发方式(粗放式开发为主)、监管困难及利益驱动等多方面的影响,中国沿海违规开发(偷填、超填、闲置)、随意围垦、盗采海砂,以及非法挖矿采石、破坏红树林等生态环境、偷排与倾倒垃圾等行为频发,使中国的海洋资源与生态环境遭到严重破坏。
目前,常用的海洋监管与执法方式主要依赖于执法船巡逻、群众举报、雷达监测,前两者成本高、效率低,且具有严重的滞后性和较高的漏检率;后者则建设、维护成本巨大,且只能监测近岸半径约20公里区域。虽然近年来卫星遥感与无人机的广泛使用促进了监管手段的升级,但是对海量的影像数据进行人工审核仍然是一项十分艰巨的工作。因此,采用目标检测方法实现从海量影像数据中自动提取海洋目标信息,对于建立大范围、智能、快速的海洋监管机制具有十分重要的意义。
目前,基于人工智能技术的目标检测技术已在多个领域得到了较好的应用。然而,将人工智能技术用于海上目标检测方面的研究和应用还相对较少。……
登录APP查看全文
