基于深度学习的船体附着物识别方法

作者：任晨辉; 陈琦; 朱大奇

来源：船舶工程, 2022, 44(12): 24-35.

DOI：10.13788/j.cnki.cbgc.2022.12.04

• 深度学习
• 图像识别
• 船体附着物
• 深度卷积生成式对抗网络

船体附着物对船舶航行有重要影响。为实现对附着物清洗时的自动快速识别，首先构建1个种类较完善的附着物图像数据集，并针对真实数据样本数量有限且较难获取导致目标识别的准确率较低的问题，提出一种基于深度卷积生成式对抗网络（DCGAN）和改进的Efficient Net的船体附着物识别方法。该方法通过DCGAN对样本数据进行增强，分别采用Google Net、VGG16、Mobile Net、Reg Net和Vision transformer这5个训练模型，以微调的方式对样本进行训练识别；同时，基于DCGAN增强的数据集对Efficient Net进行改进并训练，采用Fused-MBConv模块替换原来网络结构中的MBConv模块，简化浅层网络结构。结果表明：基于DCGAN数据增强的方法有助于提高模型的识别准确率；改进的Efficient Net模型的识别准确率提升了4.9%，并且训练时间也有所缩短。提出的方法能满足船体附着物的快速识别需求。

• 单位
  上海海事大学; 上海理工大学