基于改进卷积神经网络舰船的实时目标检测算法
【摘要】 光学遥感图像的舰船目标的自动检测在民事和军事上都有广泛的应用。光学遥感图像舰船目标的检测相比SAR图像起步较晚，传统的图像处理算法难以达到较高的准确度，因此提出了一种基于改进的YOLOv3的深度神经网络的舰船检测算法。YOLOv3是目前最先进的one-stage目标检测算法之一，并且通过大量实验对其进行改进，优化了特征提取网络与多尺度识别等，大大减少了其网络参数，加快了识别速度，同时仍具有很高的检测精度，方便在终端实现。最后采用了公开的HRSC2016舰船检测数据集和从GoogleEarth上收集的遥感舰船图片对网络进行训练和测试，达到了recall90.8%，precision91.5%，在NVIDIARTX2080ti显卡上约125fps的识别速度。实验证明该网络具有较先进的识别准确度和较强的鲁棒性，能很好地适应近岸船只检测复杂的环境，并达到能够实时检测的速度。
