本文主要研究内容
作者陈从平,吴喆,吴杞,吕添（2019）在《动态背景下航道船舶目标检测方法》一文中研究指出：针对传统图像处理方法在动态背景下检测航道船舶时计算量大、准确率低的问题,设计开发了一种基于深度学习与网络输出后处理算法相结合的航道船舶自动检测方法.该方法利用了在COCO数据集上预训练好的Faster R-CNN网络在自制的数据集上进行fine-tuning操作,并针对网络的输出结果利用经验阈值对不感兴趣的小目标进行过滤,以及利用感兴趣目标在相邻帧间的IoU重合度关系进行目标的跟踪,最后根据跟踪目标的持续时间来判定目标检测结果.实验表明,本文所提供的深度学习方法在MS COCO评估标准下检出的平均准确率达0.804,且经后处理后,误检率下降了43.6%.达到了利用少量自制样本集即可实现利用深度学习方法对航道船舶进行高效检测的效果.
Abstract
zhen dui chuan tong tu xiang chu li fang fa zai dong tai bei jing xia jian ce hang dao chuan bo shi ji suan liang da 、zhun que lv di de wen ti ,she ji kai fa le yi chong ji yu shen du xue xi yu wang lao shu chu hou chu li suan fa xiang jie ge de hang dao chuan bo zi dong jian ce fang fa .gai fang fa li yong le zai COCOshu ju ji shang yu xun lian hao de Faster R-CNNwang lao zai zi zhi de shu ju ji shang jin hang fine-tuningcao zuo ,bing zhen dui wang lao de shu chu jie guo li yong jing yan yu zhi dui bu gan xing qu de xiao mu biao jin hang guo lv ,yi ji li yong gan xing qu mu biao zai xiang lin zhen jian de IoUchong ge du guan ji jin hang mu biao de gen zong ,zui hou gen ju gen zong mu biao de chi xu shi jian lai pan ding mu biao jian ce jie guo .shi yan biao ming ,ben wen suo di gong de shen du xue xi fang fa zai MS COCOping gu biao zhun xia jian chu de ping jun zhun que lv da 0.804,ju jing hou chu li hou ,wu jian lv xia jiang le 43.6%.da dao le li yong shao liang zi zhi yang ben ji ji ke shi xian li yong shen du xue xi fang fa dui hang dao chuan bo jin hang gao xiao jian ce de xiao guo .
论文参考文献
论文详细介绍
论文作者分别是来自三峡大学学报(自然科学版)的陈从平,吴喆,吴杞,吕添，发表于刊物三峡大学学报(自然科学版)2019年01期论文，是一篇关于航道论文,船舶检测论文,后处理算法论文,小样本论文,三峡大学学报(自然科学版)2019年01期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自三峡大学学报(自然科学版)2019年01期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：航道论文; 船舶检测论文; 后处理算法论文; 小样本论文; 三峡大学学报(自然科学版)2019年01期论文;