基于改进Cascade R-CNN算法的船舶目标检测方法

作     者：杨镇宇 石刘 YANG Zhen-yu;SHI Liu

作者机构：中国舰船研究院北京100192 

出 版 物：《舰船科学技术》 (Ship Science and Technology)

年 卷 期：2024年第46卷第6期

页      面：144-149页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主　　题：船舶 目标检测 深度学习 Cascade R-CNN Swin Transformer 

摘      要：为了解决实际场景下船舶目标检测精度低的问题,本文在Cascade R-CNN算法的基础上,提出一种船舶目标检测方法 Boat R-CNN。Boat R-CNN使用带自注意力机制的Swin-Transformer Tiny网络提取图像特征,使用Soft-NMS非极大值抑制方法提升候选框过滤精度,使用Smooth_L1损失函数加速模型收敛并减少梯度爆炸情况,使用CIOU边界框回归损失提高候选框回归质量,并针对船舶目标的形状特征优化锚框的长宽比,提高锚框的生成质量。实验结果表明,Boat R-CNN算法的精度相比原版Cascade R-CNN算法提高了21.8%,相比主流Faster R-CNN算法提高了30.3%,有效提升了实际场景下的船舶目标检测精度。