基于卷积神经网络的SAR图像舰船目标检测

• 作者: 彭书娟 曲长文 李健伟 邓兵
• 来源期刊: 系统工程与电子技术
• 学科: 工学
• 关键词: 深度学习 合成孔径雷达 舰船检测 卷积神经网络
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 传感器与信号处理
• 页码范围: 1953-1959
• 页数: 7页
• 分类号: TN957.51
• 字数: 5708字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-506X.2018.09.09

摘要

近年来,深度学习在物体检测领域取得了非常大的突破,但是鲜有用于合成孔径雷达(synthetic aperture radar,SAR)图像中舰船目标检测,论文将基于深度学习的目标检测方法引入到了SAR图像舰船目标检测.首先分析了目前先进的Faster R-CNN检测算法优点及其在SAR图像舰船检测领域的局限.在此基础上,构建了一个新的SAR图像舰船目标检测数据集SSDD,数据集包含不同分辨率、尺寸、海况、传感器类型等条件下的舰船SAR图像,它可以作为本领域研究人员评价其算法的基准.提出了SAR图像舰船目标检测的新方法,包括特征聚合、迁移学习、损失函数设计和其他应用细节,并在数据集上进行了大量的对比实验.实验结果证明提出的方法可以有更高的检测准确率和更快的检测速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曲长文		198	1364	17.0	26.0
2	邓兵		52	599	13.0	23.0
3	李健伟		15	65	4.0	7.0
4	彭书娟		8	42	3.0	6.0