基于深度特征词袋的船舶自动分类
计算机视觉与模式识别
2021-02-24 v1
摘要
基于自然图像中船舶轮廓特征进行船舶检测与分类是计算机科学中的一项重要工作。该问题可从多种视角审视，包括安全、交通管制乃至军事领域。因此，在上述各类应用中均需特定的处理。本文通过应用“词袋”(BoW)方法，提出了一种新方案，其“词”为利用深度卷积网络预训练模型所提取的特征。我们采用三种 VGG 模型，其在物体识别中具备优越精度。作为初始候选的区域由针对尺度不变特征变换(SIFT)方法所生成关键点上的贪心算法得出。在 BoW 方法中运用深度特征，显著改善了船舶的识别与分类效果。最终，我们在船舶分类上获得了 91.8% 的准确率，较以往方法提升约 5%。
引用
@article{arxiv.2102.11520,
title = {Automatic Ship Classification Utilizing Bag of Deep Features},
author = {Sadegh Soleimani Pour and Ata Jodeiri and Hossein Rashidi and Seyed Mostafa Mirhassani and Hoda Kheradfallah and Hadi Seyedarabi},
journal= {arXiv preprint arXiv:2102.11520},
year = {2021}
}