基于小样本学习理论的船舶目标检测算法研究.pdfVIP

第４６卷第１期水道港口Ｖｏｌ．４６Ｎｏ．１

２０２５年２月ＪｏｕｒｎａｌｏｆＷａｔｅｒｗａｙａｎｄＨａｒｂｏｒＦｅｂ．２０２５

基于小样本学习理论的船舶目标检测算法研究

１２３

陈静，刘奥祥，蔡翼枫

（１．交通运输部天津水运工程科学研究所，天津３００４５６；２．河南省交通事业发展中心，郑州４５０００３；

３．中华人民共和国大沽口海事局，天津３００２１１）

摘要：针对船舶视频目标多样性、新增样本有限等问题，提出了一种基于计算机视觉信息小样本学习

理论的船舶目标检测技术，通过构建时空对称卷积神经网络，融合时序对称的视觉和语义特征，实现视

频质量增强，基于初始化表征学习与随机梯度下降理论，实现边缘极少样本数据的快速训练与迭代，通

过自建船舶样本数据集进行模型训练，实现了基于视频的船舶目标检测，并结合ＡＩＳ数据实现了船舶属

性信息与视频的融合，建立了一种不依赖于船载终端的主动式非接触船舶监管系统，面向海事监管人

员和水运行业参与人员提供智能化便捷化的监管服务，依托该平台打造海事智慧之眼、建设水运服务

大脑。

关键词：小样本学习理论；船舶目标检测；目标识别；船舶数据集；人工智能；深度学习

中图分类号：ＴＰ２４２．６文献标识码：Ａ文章编号：１００５８４４３（２０２５）０１０１５００７

近年来，在推动“交通强国”建设的大背景下，我国水运事业呈现健康高质量发展的繁荣景象，同时也对

航运安全监管的智能化水平、航运信息服务的便捷化水平提出了更高的要求。进入新时代，新一代信息技

术浪潮风起云涌，“互联网＋”、“智慧＋”成为水运事业发展新引擎，催生了水路交通发展新模式、新业态和

新方向，对传统的水路交通管理和服务模式带来前所未有的冲击和挑战。其中以人工智能、计算机视觉为

［１］

代表的信息技术已在行业内取得成功应用，并具有较好的应用前景。

目标检测作为计算机视觉的一个基础性任务，为许多图像处理的高层应用，例如实例分割、人体关键点

［２］

识别、场景理解口、目标追踪等方向提供了基础的支持。随着大规模数据集和成熟的检测框架的提出，目

标检测在一些应用问题，诸如车辆检测、行人检测等问题已经满足了工程应用的基本要求。但是海上、内

［３４］

河、船舶等应用场景中，均面临着标定数据缺失的难题。如何在少量样本、甚至没有样本的条件下实现

［５］

目标检测，受到了越来越多研究人员的重视。

针对船舶视频目标多样性、新增样本有限等问题，本文提出了一种基于计算机视觉信息小样本学习理

论的船舶目标检测技术，通过构建时空对称卷积神经网络，融合时序对称的视觉和语义特征，实现视频质量

增强，基于初始化表征学习与随机梯度下降理论，实现边缘极少样本数据的快速训练与迭代，通过自建船舶

样本数据集进行模型训练，实现了基于视频的船舶目标检测，并结合ＡＩＳ数据实现了船舶属性信息与视频的

融合，建立了一种不依赖于船载终端的主动式非接触船舶监管系统，面向海事监管人员和水运行业参与人

员提供智能化便捷化的监管服务，打破监管人员时刻紧盯电脑寻找过往船只，依托本平台自动识别出过往

船只，从而实现打造海事智慧之眼、建设水运服务大脑。

收稿日期：２０２４０１１０；修回日期：２０２４１１２０

基金项目：国家重点研发计划项目（２０２３ＹＦＢ２６０３８００）；中央级公益性科研院所科研创新基金资助项目（ＴＫ

作者简介：陈静（１９８６—），女，天津人，副研究员，主要从事智慧港口相关技术研究与应用。

Ｂｉｏｇｒａｐｈｙ：ＣＨＥＮＪｉｎｇ（１９８６—），ｆｅｍａｌｅ，ａｓｓｏｃ