Marine Objects Recognition Using Convolutional Neural Networks
Prepoznavanje morskih objekata uporabom konvolucijskih neuronskih mreža

Ivan Lorencin, University of Rijeka Faculty of Engineering, Nikola Anđelić, Vedran Mrzljak, Zlatan Car
2019 Naše More (Dubrovnik)  
One of the challenges of maritime aff airs is automatic object recognition from aerial imagery. This can be achieved by utilizing a Convolutional Neural Network (CNN) based algorithm. For purposes of these research a dataset of 5608 marine object images is collected by using Google satellite imagery and Google Image Search. The dataset is divided in two main classes ("Vessels" and "Other objects") and each class is divided into four sub-classes ("Vessels" sub-classes are "Cargo ships", "Cruise
more » ... hips", "War ships" and "Boats", while "Other objects" sub-classes are "Waves", "Marine animals", "Garbage patches" and "Oil spills"). For recognition of marine objects, an algorithm constructed with three CNNs is proposed. The fi rst CNN for classifi cation on the main classes achieves accuracy of 92.37 %. The CNN used for vessels recognition achieves accuracies of 94.12 % for cargo ships recognition, 98.82 % for cruise ships recognition, 97.64 % for war ships recognition and 95.29 % for boats recognition. The CNN used for recognition of other objects achieves accuracies of 88.56 % for waves and marine animals recognition, 96.92 % for garbage patches recognition and 89.21 % for oil spills recognition. This research has shown that CNN is appropriate artifi cial intelligence (AI) method for marine object recognition from aerial imagery. Sažetak Jedan je od izazova u pomorstvu automatsko prepoznavanje objekata na zračnim snimkama. Ono se može postići uporabom algoritma na temelju konvolucijskih neuronskih mreža (CNN). U ovome istraživanju prikupljeni su podaci na temelju 5608 slika morskih objekata dobivenih s pomoću Googleovih satelitskih snimaka i pretraživanja slika. Prikupljeni podaci podijeljeni su na dvije kategorije ("Brodovi" i "Ostali objekti"), a svaka kategorija podijeljena je na četiri potkategorije (potkategorije "Brodova" jesu "Teretni brodovi", "Brodovi za kružna putovanja", "Ratni brodovi" i "Brodice", dok su potkategorije "Ostalih objekata" "Valovi", "Morska bića", "Otoci smeća" i "Izljevi nafte"). Da bi se prepoznali morski objekti, predložen je algoritam koji se sastoji od triju konvolucijskih neuronskih mreža (CNN). Preciznost prvog CNN-a kojim se klasifi ciraju osnovne kategorije iznosi otprilike 98,82%. Preciznost CNN-a kojim se prepoznaju brodovi iznosi 94,12% za teretne brodove, 98,22% za kruzere, 97,64% za ratne brodove i 95,29% za brodice. Preciznost CNN mreža koje se koriste za prepoznavanje drugih objekata iznosi otprilike 88,56% za valove i morska bića, 96,92% za prepoznavanje otoka smeća te 89,21% za prepoznavanje izljeva nafte. Rezultati istraživanja pokazali su da su CNN mreže odgovarajuća metoda umjetne inteligencije (AI) za prepoznavanje morskih objekata na zračnim snimkama. KEY WORDS artifi cial intelligence Convolutional Neural Network marine object recognition vessels pollution KLJUČNE RIJEČI umjetna inteligencija konvolucijske neuronske mreže prepoznavanje morskih objekata brodovi zagađenje
doi:10.17818/nm/2019/3.3 fatcat:g7erlwfr3jevrego63ztggbuiq