基于卷积神经网络的旋转船舶目标检测算法

舰船目标检测任务在海上交通管制和航道安全维护等方面发挥着重要作用。为减小复杂背景的干扰,增强网络在遮挡环境下的检测准确率,本文在先进的S2A-Net(Single-shot Alignment Network)的基础上,采用了3种改进方法:首先增加骨干网络的深度,使得骨干网络更加充分提取目标特征;其次增加可变形卷积模块(Deformable Convolution Module,DCM),使得采样点可以根据目标形状自适应发生改变,更为全面精准地提取目标特征;最后,增添Cutout模块,使得网络在训练过程中学会应对遮挡情况,进一步提升目标检测精度。在HRSC2016数据集上进行的消融实验表明了本文提出的网络的有效性。