针对海上的船只目标,采用深度学习目标分类算法中的R-CNN(region with CNN)算法对其进行分类检测与识别。将实验中的船只数据分为货船、邮轮和游艇三类,通过调整优化神经网络中的迭代次数、批处理尺寸等参数,使神经网络识别准确率达到80...针对海上的船只目标,采用深度学习目标分类算法中的R-CNN(region with CNN)算法对其进行分类检测与识别。将实验中的船只数据分为货船、邮轮和游艇三类,通过调整优化神经网络中的迭代次数、批处理尺寸等参数,使神经网络识别准确率达到80.98%。同时将该神经网络用于图像特征提取,使R-CNN的mAP值达到48.88%。同时应用soft-NMS对R-CNN算法进行改进,改进后的R-CNN算法的m AP值达到51%,要好于之前的算法。相比于传统的机器学习目标检测识别算法,基于深度学习的目标检测识别算法拥有更高的检测准确度和执行效率。实验结果表明,该算法可以有效地实现海上船只的检测与识别。展开更多
文摘针对海上的船只目标,采用深度学习目标分类算法中的R-CNN(region with CNN)算法对其进行分类检测与识别。将实验中的船只数据分为货船、邮轮和游艇三类,通过调整优化神经网络中的迭代次数、批处理尺寸等参数,使神经网络识别准确率达到80.98%。同时将该神经网络用于图像特征提取,使R-CNN的mAP值达到48.88%。同时应用soft-NMS对R-CNN算法进行改进,改进后的R-CNN算法的m AP值达到51%,要好于之前的算法。相比于传统的机器学习目标检测识别算法,基于深度学习的目标检测识别算法拥有更高的检测准确度和执行效率。实验结果表明,该算法可以有效地实现海上船只的检测与识别。
