基于改进ResNet18的遥感图像舰船目标识别

作     者：曾富强 张贞凯 方梦瑶 Zeng Fuqiang;Zhang Zhenkai;Fang Mengyao

作者机构：江苏科技大学海洋学院镇江212003 

出 版 物：《电子测量技术》 (Electronic Measurement Technology)

年 卷 期：2024年第47卷第12期

页      面：164-172页

学科分类：0810[工学-信息与通信工程] 08[工学] 081001[工学-通信与信息系统] 081002[工学-信号与信息处理] 

基　　金：国家自然科学基金面上项目(61871203)资助 

主　　题：图像分类 卷积神经网络 ResNet18 注意力机制 遥感舰船图像 

摘      要：舰船作为主要的海上交通作战工具,在遥感图像中高效准确识别舰船目标具有重要研究意义。光学遥感舰船图像包含丰富的信息,但因其具有复杂度高、图像大、受天气和昼夜变化影响等特点,导致识别率较低。针对这一问题,本文通过对ResNet18进行改进,提出一种更加高效的光学遥感舰船图像分类的方法。对ResNet18网络进行了简化,降低其参数量;使用并行池化实现特征图的空间降维,在保持特征丢失较少的情况下加快网络收敛;引入多尺度卷积进行不同尺度特征信息的提取,并使用ECA注意力机制改进多尺度卷积模块与残差模块,解决分支网络支路融合时存在特征不能很好的在通道间交互的问题。在FGSCR-42数据集上进行实验,实验结果表明改进后的算法收敛速度更快,且准确率与F1-score均高达95%左右,较ResNet18网络提高了7%左右,而参数量仅有改进前的20%左右;与其他网络在舰船目标识别中的性能相比,本文方法也更加出色。