摘要：针对目前遥感图像舰船目标检测中存在的目标方向随机、粗细粒度特征混杂、背景信息干扰多等问题，为提高旋转目标检测率，提出一种基于改进Oriened R-CNN的遥感图像舰船目标检测算法。该算法通过改进主干网络，用VAN替换传统ResNet作为特征提取骨干网，以解决遥感图像存在不同灰度、纹理和姿态时背景信息与舰船目标特征混淆的情况，并引入注意力机制，更准确地把握舰船目标区域的边缘和形状等特征信息，较好地解决旋转目标以及复杂背景问题，提高了舰船细粒度检测的准确率。实验结果表明，Oriented R-CNN原检测模型在HRSC-2016数据集上的准确率比早期的S2A Net和ROI-Trans两种模型的准确率分别提升了5.47%和11.67%，而改进后的算法检测精度达到76.67%，较基准模型又提升了13.8%。
文章目录
1 模型与方法
1.1 Oriented R-CNN神经网络结构
1.2 VAN替换特征提取骨干网
1.3 引入注意力机制
2. 实验与分析
2.1 实验数据集
2.2 实验环境及参数设置
2.3 评价指标
2.4 结果分析及结论
3 结束语
