基于异常检测和 PCANet 的船舶目标检测
船舶检测会遇到三个问题:
1、船低对比度
2、海平面情况复杂
3、云,礁等错误检测
实验步骤:
1、预处理海陆边界,掩膜陆地
2、异常检测获得感兴趣区域,多变量高斯分布模型,比最大类间方差和迭代阈值分割效果好
3、PCANet 获得特征,后面接SPP,获得多尺度特征,用SVM分类,最大值抑制得到结果
补充知识:
PCANet 是一个简化的深度学习网络,不用卷积池化等操作,PCANet提出者认为,经典的CNN存在的问题是参数训练时间过长且需要特别的调参技巧。因此他们希望能找到一种训练过程更为简单,且能适应不同任务、不同数据类型的网络模型。
网络用PCA去学习卷积神经网络的卷积核,后面用二值化和哈希去重置像素点,可以非常容易和有效地设计和学习。
----------------
坚持每天学习一点点
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】凌霞软件回馈社区,博客园 & 1Panel & Halo 联合会员上线
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步