基于ResNet50和改进注意力机制的船舶识别算法

作者：刘源泂^*; 何茂征; 黄益斌; 钱程

来源：计算机应用, 2023, 1-10.

• 图像处理
• 深度学习
• 残差网络
• 注意力机制
• 船舶识别

海洋船舶的自动识别对于缓解海上交通压力起着重要作用，针对当前船舶自动识别率较低的问题，提出一种基于ResNet50(Residual Network50)和改进注意力机制的船舶识别算法，首先自制了船舶数据集并划分训练集、验证集和测试集并采用模糊、增加噪声等方法得到增强数据集，然后设计改进注意力模块ESPAM(Efficient Spatial Pyramid Attention Module)和船舶种类识别模型ResNet50＿ESPAM(Residual Network50＿Efficient Spatial Pyramid Attention Module)，最后将ResNet50＿ESPAM模型与其他常用的神经网络模型使用船舶数据集进行训练验证并对比。实验结果表明，ResNet50＿ESPAM在验证集最高准确率为95.5%，验证集初始准确率为81.2%，与AlexNet(Alex Krizhevsky Network)、GoogleNet(Google Inception Net)、ResNet34(Residual Network34)、ResNet50、ResNet50＿CBAM(Residual Network50＿Convlutional Block Attention)等模型相比，模型验证集最高准确率分别提升了5.1%、4.9%、2.6%、1.6%、1.4%，验证集初始准确率分别提升了49.4%、44.7%、27.7%、3%、2.1%。表明了ResNet50＿ESPAM网络模型在船舶种类识别方面具有较高的识别精度，改进的注意力模块ESPAM的有效性。

• 单位
  武汉科技大学