动态背景下航道船舶目标检测方法

摘要

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.