基于时空关联深度学习框架的船舶特征识别方法

胡梦琪

（广东南方海岸科技服务有限公司，广东 广州 510000）

0 引言

在复杂的海洋气象环境下，各种船舶特征受天气原因、拍摄角度以及载货情况等因素的影响，传统视频提取技术与方法难以完成相关任务。在海域视频监控场景中，船舶图像、视频经常存在运动模糊和对焦不准等情况，从而导致错误分类的问题。由于拍摄角度、光照变化等因素的影响，在不同数据集内即使是同一种类的特征，也并不具有同一分布。这就使在一个数据集上训练的深度神经网络没办法直接在其他数据集上获得较高的准确率。

该方法采用深度学习的技术手段，在岸边水面比较复杂的环境下，通过神经网络对前端设备采集的视觉图像进行处理，具备精准识别目标、目标分类以及目标文字检测等多种检测和识别能力。

1 技术框架

基于迁移学习的思路，该文用分类网络结合对抗生成网络解决迁移学习的问题。通过分类网络与判别器进行对抗，通过训练使判别器不能区分原数据集与迁移数据集，借此学习迁移数据集提取优秀特征的能力；同时，通过原数据集标签训练检测网络，使特征提取网络提取特有特征的能力不被退化，准确识别船舶特征。该技术的船舶深度学习框架如图1所示。

图1 船舶深度学习框架

1.1 建立针对海域监控场景的船舶特征标注训练集

在针对船舶特征的数据集中，强标签需要对图像中船舶的各种特征进行标注，包括船舶类型、船名、装载情况和吃水线等。……