基于神经网络的船只图像识别国内外研究现状

近年来，基于神经网络的船只图像识别在国内外得到了广泛的研究。国内外的研究者们提出了许多不同的方法和框架，以提高船只图像识别的准确性和效率。以下是一些相关的研究现状：

1. 基于深度特征的舰船遥感图像检测方法。该方法利用深度卷积神经网络生成的特征图，利用区域建议网络生成候选船舶。为了有效地检测不同尺度的舰船，提出了一种分层选择滤波层，将不同尺度的特征映射到同一尺度空间。该方法可以同时检测几十个像素到数千个像素的近岸和近岸船只。

2. 基于耦合卷积神经网络的飞机检测弱监督学习框架。该方法利用迭代弱监督学习框架，从原始图像中自动挖掘和扩充训练数据集。然后提出了一种耦合CNN方法，将候选区域建议网络和定位网络相结合，提取建议并同时定位飞机，即使在大规模的VHR图像中，这种方法也更高效、准确。

3. 船只检测和分类的文献综述。该综述对船只检测和分类的研究进行了总结和分析，包括传统方法和基于深度学习的方法。该综述还讨论了船只检测和分类的应用领域和未来研究方向。