简介：摘要:针对传统船舶监测方法中存在工作量大易误判等问题，提出一种基于改进Faster R-CNN算法的船舶检测识别方法。自行拍摄制作船舶数据集，并通过翻转、裁剪、抖动等方式对数据集进行扩充。基于TensorFlow框架搭建深度学习系统环境，选取VGG16-Net作为特征提取网络。通过微调模型、参数调试等方法优化训练模型，提高了检测模型的识别精度。然后通过Faster R-CNN模型对数据进行训练、学习最终船舶平均识别率mAP指标（mean Average Precision）达到90.7%，通过深度学习达到了使用少量样本获得较高识别率的效果。
客服QQ：30444492琼网文【2021】1550-113号
增值电信业务经营许可证：琼B2-20210322
出版物经营许可证：新出发龙华出字第(2021)009号
广播电视节目制作经营许可证：(琼)字第00779号
版权所有 ©2002-2024 期刊网(www.qikanchina.com) 琼ICP备2021005105号
