基于低复杂度卷积神经网络的星载SAR舰船检测

• 作者: 冯帆 李珍珍 赵保军 赵博雅 邓宸伟
• 来源期刊: 北京交通大学学报
• 学科: 工学
• 关键词: 图像处理 目标检测 星载SAR舰船 卷积神经网络 低复杂度
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 深度学习研究进展及应用
• 页码范围: 1-7
• 页数: 7页
• 分类号: TN911.73
• 字数: 4535字
• 语种: 中文
• DOI: 10.11860/j.issn.1673-0291.2017.06.001

摘要

星载SAR(合成孔径雷达)舰船检测广泛应用于海上救援和国土安全防护等领域.鉴于传统的检测方法仍存在虚警率高等缺点,本文将具有强大表征能力的卷积神经网络(CNN)引入到星载SAR舰船检测中,面向SAR舰船检测的精准快速的需求,提出了基于低复杂度CNN的星载SAR舰船检测算法.算法结合星载SAR图像的特点,利用ROI提取方法实现目标粗提取,得到可疑目标切片及其对应的位置信息;通过构建的低复杂度CNN对所有的可疑目标切片进行精确分类,确定舰船目标,从而实现舰船目标检测.实验测试结果表明:本文提出的算法可以实现精准的星载SAR舰船检测;与传统双参数CFAR目标检测和基于现有深度网络框架(LeNet、GoogLeNet)的检测算法相比,该算法检测性能更好、检测时间更短,可有效降低检测漏检率和虚警率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵保军	北京理工大学信息与电子学院	149	1750	23.0	32.0
5	邓宸伟	北京理工大学信息与电子学院	9	50	4.0	7.0
6	冯帆	北京理工大学信息与电子学院	5	19	3.0	4.0
7	李珍珍	北京理工大学信息与电子学院	1	3	1.0	1.0
8	赵博雅	北京理工大学信息与电子学院	2	4	1.0	2.0