基于改进ResNet18的遥感图像舰船目标识别

来源：电子测量技术杂志2024年第12期北京时间：

作者：曾富强，张贞凯，方梦瑶

单位：江苏科技大学海洋学院 镇江 212003

摘要：舰船作为主要的海上交通作战工具，在遥感图像中高效准确识别舰船目标具有重要研究意义。光学遥感舰船图像包含丰富的信息，但因其具有复杂度高、图像大、受天气和昼夜变化影响等特点，导致识别率较低。针对这一问题，本文通过对ResNet18进行改进，提出一种更加高效的光学遥感舰船图像分类的方法。对ResNet18网络进行了简化，降低其参数量；使用并行池化实现特征图的空间降维，在保持特征丢失较少的情况下加快网络收敛；引入多尺度卷积进行不同尺度特征信息的提取，并使用ECA注意力机制改进多尺度卷积模块与残差模块，解决分支网络支路融合时存在特征不能很好的在通道间交互的问题。在FGSCR-42数据集上进行实验，实验结果表明改进后的算法收敛速度更快，且准确率与F1-score均高达95%左右，较ResNet18网络提高了7%左右，而参数量仅有改进前的20%左右；与其他网络在舰船目标识别中的性能相比，本文方法也更加出色。

关键词：图像分类;卷积神经网络;ResNet18;注意力机制;遥感舰船图像

基金资助：国家自然科学基金面上项目（61871203）资助