基于深度学习的舰船目标重识别技术

面向行人和车辆的重识别技术已在情报分析领域得到成功应用,但是对于舰船目标的重识别技术研究还比较缺乏,对此本文提出了一种基于双重特征融合的海上去雾重识别网络,用于海面舰船目标的情报分析和监管。首先,为了降低负样本对特征的影响,采用了视角辅助的自适应查询扩展方法和基于相似度的特征融合方法。其次,在重识别分支的浅层嵌入了去雾分支,利用权重共享技术提取无雾特征,并通过上采样技术和金字塔模型重建去雾图像,以增强网络在低能见度场景下的识别能力。最后,提出了一种基于伪交并比的非极大值抑制方法,通过修正检测框置信度来提高船舶目标的检测精度。实验结果表明,所提方法的性能优于现有方法,并且各模块对网络性能都有贡献。

https://www.zhkzyfz.cn/CN/10.3969/j.issn.1673-3819.2024.04.012

随着全球贸易的不断发展，海洋经济正成为越来 越重要的经济增长点［１］ 。 海上运输作为海洋经济的核 心和基础，其安全和高效运营对整个海洋经济的发展 和稳定至关重要。 然而，在海上运输过程中，船舶的安 全运行情况往往受到诸多因素的影响。 如何对海上船 舶进行实时监测和精准识别，成为提高海上交通安全 性能和促进海洋经济发展的重要问题［２］ 。 重识别（Ｒｅ⁃Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ，ＲｅＩＤ） 技术是一种基于 人工智能技术的目标识别和分类技术，可以实现对感 兴趣目标的实时检测和精准识别。 相比传统的监测技 术，重识别技术通过对目标的特征和行为进行分析、识 别，提高目标识别与分类的准确性。 目前，重识别技术 的重点研究方向主要集中在行人［３⁃５］ 和车辆［６⁃７］ 的识 别，在海面船舶领域的研究尚未得到充分发展，主要原 因如下：第一，相比于行人和车辆，重识别目前已有多 个成熟的适用于深度神经网络训练的大型数据集，船 舶领域数据集的稀缺限制了后续的研究进展；第二，海 面环境复杂多变，如海面湿气、浓雾等能见度不良场景 下的图像清晰度差，无法进行有效的目标检测和特征 提取；第三，视角差异往往导致重识别网络将视角相似 但实际上不同的船舶误认为是同一艘船，或是将同一 艘船但视角不同的图像识别为不同船舶，从而降低了 重识别网络的识别正确率［８］雾天场景的识别是一项具有挑战性的任务，最初 在这方面的研究采用先去雾再重识别的两阶段方 法［９⁃１０］ ，但这种方法的精度提升小。 之后一种用于雾天 场景下车辆重识别的联合去雾学习方法在文献［１１］中 被提出。 这种联合学习方法使得重识别网络能够提取 非雾特征从而有效提高识别正确率。 鉴于雾天环境对 。

室外车辆或船舶图像的影响相似，本文将文献［１１］中 提出的联合去雾方法用于雾天场景下船舶重识别任 务。 此外，为了使其在正常和雾天环境下网络均适用， 本文使用雾天船舶图像和非雾天船舶图像共同建立数 据集。 但由于雾天场景图像较少，因此采用大气散射 模型［１２］与深度加雾技术来扩充数据集，该扩展方法在 后续的实验中被验证了可行性。 针对图像视角的影响，一种借助车辆关键点来识 别车辆朝向并融合区域特征的方法在文献［８］中被提 取。 但与车辆不同，船舶形态各异，不同船舶类型的体 积差异也较大，依靠关键点来识别船舶朝向的方法并 不适用。 另一种基于图像视角信息来辅助车辆重识别 的重排序方法在文献［１３］中被提出，这种方法有效地 削弱了由图像视角信息带来的偏差，但需要预先给定 图像的视角标注信息。 为解决以上问题，本文提出了 一种视角辅助的重识别网络框架。 该网络框架使用额 外的视角网络预测图像间的视角相似度，在不需要标 注视角的情况也能提高重识别网络的识别正确率［１４］ 。