-
题名基于表观细粒度辨别网络的近海船舶目标检测方法
- 1
-
-
作者
闵令通
范子满
窦飞阳
吕勤毅
李鑫
-
机构
西北工业大学电子信息学院
-
出处
《遥测遥控》
2024年第2期1-9,共9页
-
基金
国家自然科学基金项目(62206221)
陕西省自然科学基础研究计划资助项目(2021JM-074)。
-
文摘
近海船舶目标检测是一项非常具有挑战性的任务,受到学者专家广泛关注。基于卷积神经网络(CNN)和注意力机制的检测器在近海船舶目标检测方面的应用取得了显著成就。然而,船舶目标检测存在着表观相似和背景干扰导致检测过程中出现误检的问题。为此,本文提出了一种用于Faster RCNN (更快的基于区域的卷积神经网络)的表观细粒度辨别的检测头模块。该模块包括类别细粒度分支和高效全维动态卷积定位分支。其中类别细粒度分支通过全局特征建模和灵活的感知范围来挖掘和利用类别细粒度辨别特征,高效全维动态卷积定位分支通过高效灵活的感知船舶边界信息来区分目标与背景,从而减少误检漏检问题。通过在近海船舶公开数据集Seaships7000上进行实验验证,本文算法减少了误检漏检,提升了检测器性能。
-
关键词
船舶目标检测
类别细粒度
表观判别
全维动态卷积
自注意力
-
Keywords
Ship object detection
Similar feature extraction
Apparent discrimination
Dynamic convolution
Self-attention
-
分类号
TP75
[自动化与计算机技术—检测技术与自动化装置]
TP183
[自动化与计算机技术—控制科学与工程]
-
-
题名特征重组和自注意力的遥感图像有向目标检测
被引量：1
- 2
-
-
作者
闵令通
范子满
谢星星
吕勤毅
-
机构
西北工业大学电子信息学院
西北工业大学自动化学院
-
出处
《遥感学报》
EI
CSCD
北大核心
2023年第12期2716-2725,共10页
-
基金
国家自然科学基金(编号:62206221)。
-
文摘
遥感图像有向目标检测是一项非常有挑战性的任务,受到了广泛的关注。随着深度学习的迅速发展,基于卷积神经网络(CNN)和自注意力网络(Transformer)的神经网络在有向目标检测方面取得了显著成果。然而,对于遥感图像中的有向目标,仍然存在对边界信息和显著特征信息的关注不足的问题。其中,不同方向目标的边界信息有限且难以提取,而显著特征的全局依赖关系相对稀疏。因此,本文提出了基于特征重组和自注意力的遥感图像有向目标检测方法。该方法主要包括空间通道重组的回归分支和自注意力分类分支。其中,回归分支通过在通道维度中重组空间信息,更加关注边界敏感信息,以实现对定位框的精确定位。分类分支依据带有位置信息的自注意力捕获目标根本判别性的特征,并增强特征的全局依赖性,从而实现准确分类。通过广泛的实验验证,证明了所提出模型的有效性和鲁棒性。在公开数据集DOTA、HRSC2016和SODA-A上表现优秀。
-
关键词
遥感图像
有向目标检测
检测头
特征重组
自注意力
-
Keywords
remote sensing image
small object detection
detection head
feature reorganization
transformer
-
分类号
TP701
[自动化与计算机技术—检测技术与自动化装置]
P2
[自动化与计算机技术—控制科学与工程]
-
