基于语义特征的遥感舰船关重部位检测网络
在近岸场景中,受背景影响,舰船关重部位误检概率高、检测精度低.针对以上问题,提出了一种基于语义特征的舰船关重部位检测网络,并命名为 CPDNet(critical part detection network).通过优化网络结构及引入注意力机制,提升网络的特征表达能力以及对关重部位的感知能力;基于语义信息,设计了语义掩膜模块,以降低背景对检测精度的影响;增加角度参数,使网络适用于具有方向性的目标;构建了舰船关重部位数据集,命名为CP-Ship,以验证所提网络的有效性.在 CP-Ship数据集上的实验结果表明:所提网络的平均精度比 RetinaNet提高了11.35％,与其他网络模型相比,其检测精度和速度均表现优异.
深度学习、遥感图像、关重部位检测、语义特征
44
TN206;TP753(光电子技术、激光技术)
军内某科研项目LJ20191A040155
2023-06-08（万方平台首次上网日期，不代表论文的发表时间）
共10页
595-604
