计算机工程

作者：李忠智, 尹航, 左剑凯, 孙一凡

单位：1. 沈阳航空航天大学 计算机学院, 沈阳 110136;2. 仲恺农业工程学院 信息技术学院, 广东 广州 510230;3. 同济大学 计算机科学与技术系, 上海 201804;4. 沈阳航空航天大学 理学院, 沈阳 110136

关键词：UNet++网络,多边输出融合策略,船舶检测,端到端模型,深度学习

基金：国家航空基金（2015ZB54007）；辽宁省教育厅科技基金（L201627，L201704，L201750）。

船舶检测与识别技术的发展对海上监视及服务工作起重要作用，目前卫星遥感图像船舶目标检测存在背景复杂、船舶尺度变化大等问题，妨碍了海上威胁事件的预测及海上工作效率的提高。提出一种融合多尺度特征信息的目标检测模型，采用UNet++网络进行目标检测提取卫星图像特征，并将全局信息和细粒度信息相融合生成具有高空间精度的中间特征图。在此基础上，使用MSOF策略融合不同语义层次的特征信息，生成最终的检测特征图，以提高船舶目标检测与识别的精度，并通过将二元交叉熵损失函数与Dice系数损失函数结合使用，降低数据集中样本不均衡对模型准确度的影响。基于空客船舶数据集的实验结果表明，该模型能够对遥感图像中的船舶目标进行精准的检测识别，其Dice系数、IOU系数评估值分别为97.3%、96.8%，优于ResNet-34、UNet++等模型。

来源：2022年第4期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第4期