甚高速区域卷积神经网络的船舶视频检测方法

杨名¹, 阮雅端¹, 陈林凯², 张鹏¹, 陈启美¹

1. 南京大学 电子科学与工程学院, 南京 210093;
2. 江苏理工学院 计算机工程学院, 常州 213001

收稿日期:2016-05-30出版日期:2017-09-28

作者简介:杨名(1990-),男,硕士生,E-mial:mingyang_js@163.com;陈启美(1949-),男,教授,博士生导师.
基金资助:国家自然科学青年基金项目（61502226） ；国家船联网重大专项项目（2012-364-641-209）

New Video Recognition Algorithms for Inland River Ships Based on Faster R-CNN

YANG Ming¹, RUAN Ya-duan¹, CHEN Lin-kai², ZHANG Peng¹, CHEN Qi-mei¹

1. School of Electronic Science and Engineering, Nanjing University, Nanjing 210093, China;
2. College of Computer Engineering, Jiangsu University of Technology, Jiangsu Changzhou 213001, China

Received:2016-05-30Online:2017-09-28

摘要/Abstract

摘要： 为解决背景建模等传统视频目标识别算法在内河水运复杂环境误差过大的问题，提出了甚高速区域卷积神经网络的船舶识别检测方法. 分析了传统方法不足，阐述了卷积神经网络及后续的区域卷积神经网络的机制，给出了甚高速区域卷积神经网络特征模型，解析了损失函数的参数构建、参数设定，设定候选区域网络预测目标边界、计算匹配目标概率. 经实际内河运动船舶视频检测表明，该算法对船舶识别率优于90%，同时对不同清晰度、不同视角、不同船舶流量的场景具有很好的鲁棒性，比传统的背景建模算法提高25.75%.
中图分类号:
TN929.53

引用本文

杨名, 阮雅端, 陈林凯, 张鹏, 陈启美. 甚高速区域卷积神经网络的船舶视频检测方法[J]. 北京邮电大学学报, 2017, 40(s1): 130-134.
YANG Ming, RUAN Ya-duan, CHEN Lin-kai, ZHANG Peng, CHEN Qi-mei. New Video Recognition Algorithms for Inland River Ships Based on Faster R-CNN[J]. JOURNAL OF BEIJING UNIVERSITY OF POSTS AND TELECOM, 2017, 40(s1): 130-134.





PDF全文下载地址:

https://journal.bupt.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3086