基于改进FaceNet的河湖采砂船"船脸"识别算法

• 全文链接
• 请求原文

作   者：

包学才;  陈豹;  吴灿锐;  汪忠喜;  占礼彬; 

作者机构：

南昌工程学院信息工程学院; 

关键词：

卷积神经网络;  采砂船监管;  深度学习;  目标识别;  FaceNet; 

期刊名称：

人民长江

i s s n：

1001-4179

年卷期：

2024 年 55 卷 008 期

页   码：

231-238

摘   要：

为有效提升河湖采砂船智能化管理水平，提出了一种基于改进FaceNet的河湖采砂船“船脸”识别算法。首先在FaceNet算法网络的全局平均池化层后引入CA注意力模块，增强算法对于感兴趣区域的自适应关注能力；其次训练时在网络的最后引入线性层构建采砂船个体“船脸”识别器，将分类和识别的方法相结合共同应用于采砂船“船脸”识别；最后在训练时引入交叉熵损失函数，辅助原FaceNet算法中的三元组损失函数共同实现收敛。实验结果表明：改进的FaceNet算法对于白天场景下采砂船个体“船脸”目标识别的正确率比改进前提高了4.77%,达79.22%;夜间场景下目标识别的正确率提高了2.83%。研究成果适用于采砂船“船脸”识别任务，可为河湖采砂船的智能监管提供技术参考。