基于改进区域卷积神经网络的SAR图像船只检测方法

• 作者: 刘梦茜 宋棋 石洪基 聂晓风 郎海涛 郭展宏
• 来源期刊: 中国海洋大学学报（自然科学版）
• 学科: 地球科学
• 关键词: 船只目标检测 快速区域卷积神经网络 深度学习 合成孔径雷达
• 年，卷（期）: 2019,（z1）
• 所属期刊栏目: 研究论文
• 页码范围: 185-191
• 页数: 7页
• 分类号: TP75|P714
• 字数: 2773字
• 语种: 中文
• DOI: 10.16441/j.cnki.hdxb.20180429

摘要

准确地掌握船只目标的位置和分布对海上交通管理、海洋事故救援及海洋环境保护等非常重要.近年来,合成孔径雷达(SAR)广泛应用到海上船只目标探测中.本文提出一种基于深度学习框架的船只检测方法,该方法根据SAR图像中船只目标的特点,对区域卷积神经网络的输入部分及目标候选框提取部分做出了适应性改进,并对训练方法进行了优化.实验表明,本文提出的方法能够在不同分辨率的SAR图像中检测出密集分布、沿岸分布等不同场景下不同大小的船只目标,且检测结果不受旁瓣等噪声的干扰,能够完整地保留船只目标的细节信息,实现整体检测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郎海涛	北京化工大学数理学院物理与电子科学系	19	43	5.0	6.0
2	石洪基	北京化工大学数理学院物理与电子科学系	3	2	1.0	1.0
3	宋棋	北京化工大学数理学院物理与电子科学系	1	0	0.0	0.0
4	聂晓风	北京化工大学数理学院物理与电子科学系	1	0	0.0	0.0
5	郭展宏	北京化工大学数理学院物理与电子科学系	1	0	0.0	0.0
6	刘梦茜	北京化工大学数理学院物理与电子科学系	1	0	0.0	0.0