摘要
本发明涉及计算机视觉与深度学习技术领域,具体涉及一种多源信息的小目标船舶识别及异常研判方法及装置,通过引入一种基于光学遥感图像的小目标检测算法模型,提升在高分辨率遥感图像下的船舶检测性能。为解决光学遥感图像中小目标船舶像素较少、特征不明显的问题,本发明提出了改进的YOLOv8x‑CA‑CFAR模型,本发明还提出了一种新型的无监督域自适应分类模型Multi‑CDT,以增强不同源数据的迁移学习能力,提升在缺乏标注数据情况下的分类性能。最终,本发明通过构建完整的多源信息融合框架,不仅实现更加精确的小目标船舶检测和分类,还能够有效应对光学遥感图像和AIS数据匹配失败的情况,提供异常研判的支持。
技术关键词
船舶自动识别系统
研判方法
光学遥感图像
高分辨率遥感图像
预测类别
异常数据
图像分类器
匈牙利算法
分类器模型
深度学习技术
深度学习算法
恒虚警率
样本
坐标
计算机视觉
切片
蒸馏