基于深度学习的海面目标检测方法研究

海面目标的检测和识别在军用和民用方面都有着重要的意义,传统的目标检测方法在海面目标检测和识别中受到尾浪、海杂波等问题影响,容易出现虚警和漏检的情况。本文主要研究通过深度学习的方法对海面目标进行检测与识别。本文首先分析并讨论了深度学习在目标检测中的应用及在海面目标检测中的可行性,并构建了海面目标图像数据集,然后研究基于回归思想的YOLO v2网络模型,用于对海面目标的定位和识别,实现了海面目标实时检测,最后提出了通过在线难例挖掘和Faster R-CNN网络相结合的方法对海面目标进行检测,解决正负样本不均衡及复杂样本检测效果差的问题。实验结果表明该方法能够有效地对海面目标进行检测且效果优于传统方法。