基于生成对抗网络和线上难例挖掘的SAR图像舰船目标检测

• 作者: 彭书娟 曲长文 李健伟 江源
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: SAR图像 舰船检测 生成对抗网络 线上难例挖掘
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 论文
• 页码范围: 143-149
• 页数: 7页
• 分类号: TN957.51
• 字数: 6111字
• 语种: 中文
• DOI: 10.11999/JEIT180050

摘要

基于深度学习的SAR图像舰船目标检测算法对图像的数量和质量有很高的要求,而收集大体量的舰船SAR图像并制作相应的标签需要消耗大量的人力物力和财力.该文在现有SAR图像舰船目标检测数据集(SSDD)的基础上,针对目前检测算法对数据集利用不充分的问题,提出基于生成对抗网络(GAN)和线上难例挖掘(OHEM)的SAR图像舰船目标检测方法.利用空间变换网络在特征图上进行变换,生成不同尺寸和旋转角度的舰船样本的特征图,从而提高检测器对不同尺寸、旋转角度的舰船目标的适应性.利用OHEM在后向传播过程中发掘并充分利用难例样本,去掉检测算法中对样本正负比例的限制,提高对样本的利用率.通过在SSDD数据集上的实验证明以上两点改进对检测算法性能分别提升了1.3％和1.0％,二者结合提高了2.1％.以上两种方法不依赖于具体的检测算法,且只在训练时增加步骤,在测试时候不增加计算量,具有很强的通用性和实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曲长文		198	1364	17.0	26.0
2	李健伟		15	65	4.0	7.0
3	彭书娟		8	42	3.0	6.0