基于深度学习的SAR目标检测方法

• 作者: 梁怿清 王小华 陈立福
• 来源期刊: 雷达科学与技术
• 学科: 工学
• 关键词: 损失函数 多尺度检测 YOLOv3网络 残差网络 深度学习
• 年，卷（期）: 2019,（5）
• 页码范围: 579-586
• 页数: 8页
• 分类号: TN957.5
• 字数: 4460字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-2337.2019.05.018

摘要

高分辨率合成孔径雷达(Synthetic Aperture Radar,SAR)图像中不同目标的尺寸区别较大,这使得小目标的特征不明显,为目标检测带来了极大的挑战.针对这一问题,提出了SAR-YOLO-960算法.该算法首先改进了图像输入大小的限制,将输入图像提升到960×960像素;进而改善了YOLOv3(You Only Look Once v3)网络的整体结构,修改并添加了卷积层和残差层,整体采用64倍降采样,使其速度大大提升;最后,根据SAR图像目标的特点,改进了损失函数,从而得到了SAR-YOLO-960算法.在手工制作的高分辨率SAR图像数据集中的目标检测结果表明,相对于当前主流的检测算法,该算法性能显著提高;检测速度达32.8帧/秒,准确率达95.7％,召回率达94.5％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王小华	长沙理工大学电气与信息工程学院	26	394	10.0	19.0
2	陈立福	长沙理工大学电气与信息工程学院	34	86	6.0	7.0
3	梁怿清	长沙理工大学电气与信息工程学院	1	0	0.0	0.0