《表1 不同候选框模型对船舶目标候选的性能对比》
海上场景视野广阔,船舶目标通常表现出多种尺度。利用滑动框窗口对目标进行采样会产生冗余计算。因此,在场景中预先提取目标候选框有助于提高目标的搜索效率。文中利用基于二值梯度特征的候选框模型[13]训练船舶候选框模型(记为BINGship),可快速提取具有高召回率的船舶候选位置。结合表1与图5分析可得,在符合交并比(IoU)大于等于0.5的情况下,船舶候选框模型BINGship以平均每张图片50个候选框实现96.1%的召回率,执行时间(9 ms)最短。而在候选窗口数大于150后,Selective Search[17]的召回率不再增加,固定在85.2%,Objectness[18]虽然召回率在持续增长,但由于执行时间太长(6 500 ms),不予考虑。
图表编号 | XD00101966700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.25 |
作者 | 董超、冯俊健、田联房、郑兵 |
绘制单位 | 国家海洋局南海调查技术中心、国家海洋局南海维权技术与应用重点实验室、华南理工大学自动化科学与工程学院、华南理工大学自动化科学与工程学院、国家海洋局南海调查技术中心、国家海洋局南海维权技术与应用重点实验室 |
更多格式 | 高清、无水印(增值服务) |