公开(公告)号：CN109299688B

公开(公告)日：2021-10-01

申请号：CN201811094792.8

申请日：2018-09-19

Applicant: 厦门大学

Inventor： 曲延云 ,  张怡晨 ,  丁瑶 ,  陈蓉 ,  李翠华

IPC: G06K9/00 ,  G06K9/62

Abstract: 基于可变形快速卷积神经网络的舰船检测方法，涉及图像处理。检测方法包括模型训练阶段和舰船检测阶段。可用于民用领域，代替人工实时地对特定港口、港湾、海域对船只进行分类检测，可用于视频监控或图像中的船只检测，也可以对军事港口进行船只检测监控，能及早发现军事情报，为我方军事指挥提供作战依据，掌握战场主动权。通过对兼顾速度和准确度的端到端方法Faster R‑CNN的改进，根据舰船目标的特有性质，对Faster R‑CNN基础网络、RoI‑wise子网络和损失函数进行修改，得到可变形快速卷积神经网络的检测网络的模型结构，实验结果显示，比原Faster R‑CNN方法具有更好的检测速度和精度。

公开(公告)号：CN109299688A

公开(公告)日：2019-02-01

申请号：CN201811094792.8

申请日：2018-09-19

Applicant: 厦门大学

Inventor： 曲延云 ,  张怡晨 ,  丁瑶 ,  陈蓉 ,  李翠华

IPC: G06K9/00 ,  G06K9/62

Abstract: 基于可变形快速卷积神经网络的舰船检测方法，涉及图像处理。检测方法包括模型训练阶段和舰船检测阶段。可用于民用领域，代替人工实时地对特定港口、港湾、海域对船只进行分类检测，可用于视频监控或图像中的船只检测，也可以对军事港口进行船只检测监控，能及早发现军事情报，为我方军事指挥提供作战依据，掌握战场主动权。通过对兼顾速度和准确度的端到端方法Faster R-CNN的改进，根据舰船目标的特有性质，对Faster R-CNN基础网络、RoI-wise子网络和损失函数进行修改，得到可变形快速卷积神经网络的检测网络的模型结构，实验结果显示，比原Faster R-CNN方法具有更好的检测速度和精度。