基于CNN海上钻井平台检测模型的构建及训练算法分析

作者：柳林; 孙毅; 李万武^*

来源：测绘通报, 2017, (07): 26-32+99.

DOI：10.13474/j.cnki.11-2246.2022.0198

• 目标检测
• 钻井平台
• 卷积神经网络
• 模型训练
• SAR影像

卷积神经网络(CNN)是深度学习(DL)中最具代表性的一种网络结构。合成孔径雷达(SAR)图像具有位置结构关系，CNN模型可以利用图像的位置结构关系，能够更好地提取图像特征，因此更适合采用CNN模型检测海洋目标。本文首先基于CNN框架构建了海上钻井平台检测的DL模型Ocean TDAx,并对模型进行训练和测试。试验结果表明，Ocean TDA9模型精度最高。然后针对Ocean TDA9模型，采用Adam、RMSprop、Stochastic gradient descent(SGD)、Adagrad、Momentum等7种模型训练算法进行试验，比较不同算法的训练损失和精度与训练批次的相关性。最后基于渤海海域的极化SAR数据，对提出的Ocean TDA9模型、已有的CNN模型及VGG模型进行海上钻井平台检测对比。结果表明，构建的Ocean TDA9模型在钻井平台检测中整体性能优良。

• 单位
  山东科技大学