基于改进Faster R-CNN的SAR船舶目标检测方法

• 作者: 岳邦铮 韩松
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 卷积神经网络 船舶检测 合成孔径雷达
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 图像处理
• 页码范围: 90-95,101
• 页数: 7页
• 分类号: TN957
• 字数: 5273字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2019.09.016

摘要

合成孔径雷达(Synthetic Aperture Radar,SAR)船舶检测在海洋交通监控中发挥着重要作用,传统SAR目标检测算法一般利用目标与背景杂波之间的对比度差异进行检测,在近岸海域等复杂场景下检测效果较差.为了提高在复杂场景下的检测性能,本文提出一种基于改进Faster R-CNN的船舶检测方法,在分析不同特征分辨率对检测性能影响的基础上,结合VGG的思想与扩张卷积设计一个适用于SAR船舶目标检测的特征提取网络,以提升对小型船舶目标的检测能力.另外,根据sentinel-1A数据集中目标尺寸分布选取小尺寸anchor,并通过去除冗余anchor,将检测速度提升了一倍.在sentinel-1A数据集上的实验证明本文提出的算法能够快速、有效地从复杂场景SAR图像中检测出船舶目标.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩松	中国科学院电子学研究所	39	632	13.0	24.0
2	岳邦铮		1	2	1.0	1.0