改进RFBnet网络的船只目标检测方法

作者：方健; 刘坤

来源：计算机工程与应用, 2021, 1-11.

• 舰船检测
• 注意力机制
• 膨胀卷积模块
• 特征融合
• 小目标

针对目前舰船目标检测中，多目标情况下的舰船目标很容易被多目标给遮挡，造成舰船目标漏检、分类错误等问题，提出了一种基于改进RFBnet（I-RFBnet）的自然图像目标检测方法。首先使用池化特征融合模块（PFF）和反卷积特征融合模块（DFF）进行特征融合，形成新的六个有效特征层；其次提出一种跨步长卷积方式来提取特征单元在原图中的关心区域信息，设计了融入注意力机制的膨胀卷积模块（dilate convolutions block，DB）和新的前三个有效特征层再次进行特征融合;然后引入聚焦分类损失函数解决训练过程中正负样本分布不均衡的问题;最后通过对规模船只检测数据集SeaShips训练后，保存其模型。实验结果表明：改进后的算法检测效果良好，尤其在多目标遮挡下的小目标效果显著。平均精度均值为96.26%，比改进前的算法提高了4.74%，每秒帧率达到26FPS（frames per second），满足实时检测的需求。

• 出版日期2021-3-31
• 单位上海海事大学