基于深度分离卷积神经网络的高速高精度SAR舰船检测

• 作者: 师君 张天文 张晓玲 韦顺军
• 来源期刊: 雷达学报
• 学科: 工学
• 关键词: 卷积神经网络 深度分离卷积神经网络 SAR 舰船检测 注意力机制
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 论文
• 页码范围: 841-851
• 页数: 11页
• 分类号: TN957.52
• 字数: 8514字
• 语种: 中文
• DOI: 10.12000/JR19111

摘要

随着人工智能的兴起,利用深度学习技术实现SAR舰船检测,能够有效避免传统的复杂特征设计,并且检测精度获得了极大的改善.然而,现如今大多数检测模型往往以牺牲检测速度为代价来提高检测精度,限制了一些SAR实时性应用,如紧急军事部署、迅速海难救援、实时海洋环境监测等.为了解决这个问题,该文提出一种基于深度分离卷积神经网络(DS-CNN)的高速高精度SAR舰船检测方法SARShipNet-20,该方法取代传统卷积神经网络(T-CNN),并结合通道注意力机制(CA)和空间注意力机制(SA),能够同时实现高速和高精度的SAR舰船检测.该方法在实时性SAR应用领域具有一定的现实意义,并且其轻量级的模型有助于未来的FPGA或DSP的硬件移植.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张晓玲	电子科技大学信息与通信工程学院	76	426	11.0	15.0
2	师君	电子科技大学信息与通信工程学院	21	96	5.0	8.0
3	韦顺军	电子科技大学信息与通信工程学院	20	95	6.0	8.0
4	张天文	电子科技大学信息与通信工程学院	4	5	2.0	2.0