基于CNN的SAR车辆目标检测

• 作者: 吴涛 夏勇 常沛 李玉景
• 来源期刊: 雷达科学与技术
• 学科: 工学
• 关键词: 合成孔径雷达 卷积神经网络 数据扩充 目标检测和识别
• 年，卷（期）: 2019,（2）
• 页码范围: 220-224,231
• 页数: 6页
• 分类号: TN958|TP753
• 字数: 3302字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-2337.2019.02.016

摘要

传统的SAR目标检测算法容易受到复杂背景的干扰,因此利用被广泛应用于图像目标检测和识别领域的Faster-RCNN方法,对复杂背景下的SAR图像进行车辆目标检测实验.在对样本数据进行预处理后对车辆真实位置进行标记,采用可视化的深度学习客户端对样本进行裁剪和旋转,扩充样本数据库.利用已充分训练的模型权重对ZF和VGG-16网络进行预训练,再利用扩充的数据集进行训练和验证,并使用包含Mini SAR数据的测试集进行测试.实验证明,ZF网络和VGG-16的检测效果类似,但是ZF网络因为网络层数更少因而检测耗时更短.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	夏勇	中国电子科技集团公司第三十八研究所	10	21	2.0	4.0
3	常沛	中国电子科技集团公司第三十八研究所	2	1	1.0	1.0
9	李玉景	中国电子科技集团公司第三十八研究所	1	1	1.0	1.0