系统工程与电子技术

作者：范加利, 田少兵, 黄葵, 朱兴动

单位：1. 海军航空大学(青岛校区)舰面航空保障与场站管理系, 山东 青岛 266041；2. 中国人民解放军91851部队, 辽宁 葫芦岛 125000；3. 海军航空大学岸防兵学院, 山东 烟台 264001

关键词：目标检测,多尺度特征层,K-means聚类,航母舰面

基金：军队科研基金资助课题

针对航母舰面复杂的多尺度目标检测环境, 且现有算法对牵引车、人员等小目标检测性能不佳的问题, 提出一种改进快速区域卷积神经网络(faster region convolutional neural netuorks, Faster R-CNN)的舰面多尺度目标检测算法。基于多尺度特征层提取了不同尺度的区域建议网络, 提高了算法对不同尺度目标尤其是对小目标的检测性能。基于K-means聚类算法生成了适合于舰面目标数据集的先验框尺寸, 进一步提升了算法的性能。实验表明, 所提算法有效地提升了不同尺度目标的检测性能，尤其是对小目标的检测效果, 并对所提算法进行了消融实验, 最后与不同算法的性能进行了对比, 所提算法检测准确率取得了最优水平。

来源：2022年第1期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2022年第1期