基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
随着深度学习方法在计算机视觉领域的崛起,如何将其应用于具有全天时、全天候等优点的SAR图像也成为一大研究重点.相较于传统图像,SAR图像由于其难判读、应用人群较少等原因难以获得大量标注数据.本文提出一种基于场景合成和锚点约束的SAR图标检测方法.通过区域生长算法和阈值法对SAR车辆目标及其阴影进行分割,然后随机嵌入SAR复杂场景中的合理区域来合成目标检测数据集.针对SAR车辆目标的几何特性、图像分辨率参数,对Faster-RCNN中的锚点大小进行约束,减少不符合SAR车辆目标检测框尺寸的候选框,大量约简冗余计算,提升训练、测试效率及精度.
推荐文章
复杂环境大场景SAR图像飞机目标快速检测
飞机目标快速检测
复杂场景
合成孔径雷达(SAR)
自动目标识别(ATR)
YOLOv3
卷积神经网络(CNN)
利用改进特征金字塔模型的SAR图像多目标船舶检测
SAR图像
船舶多目标检测
锚点框聚类
特征金字塔模型
基于CNN的SAR图像目标和场景分类算法
卷积神经网络
深度学习
合成孔径雷达
误差反向传播
基于深度学习的复杂沙漠背景SAR目标检测
深度学习
沙漠背景
合成孔径雷达
目标检测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种基于场景合成和锚点约束的SAR目标检测网络
来源期刊 南京信息工程大学学报 学科 工学
关键词 SAR图像 目标检测 区域生长 数据生成 锚点约束
年,卷(期) 2020,(2) 所属期刊栏目
研究方向 页码范围 210-215
页数 6页 分类号 TP751
字数 4839字 语种 中文
DOI 10.13878/j.cnki.jnuist.2020.02.008
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 洪文 中国科学院空天信息创新研究院 110 1051 15.0 28.0
2 张帆 北京化工大学信息科学与技术学院 22 84 5.0 8.0
3 金啸宇 北京化工大学信息科学与技术学院 1 0 0.0 0.0
4 尹嫱 北京化工大学信息科学与技术学院 2 1 1.0 1.0
5 倪军 北京化工大学信息科学与技术学院 1 0 0.0 0.0
6 周勇胜 北京化工大学信息科学与技术学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (58)
共引文献  (84)
参考文献  (9)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1968(1)
  • 参考文献(0)
  • 二级参考文献(1)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(5)
  • 参考文献(0)
  • 二级参考文献(5)
2008(6)
  • 参考文献(0)
  • 二级参考文献(6)
2009(5)
  • 参考文献(1)
  • 二级参考文献(4)
2010(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(4)
  • 参考文献(1)
  • 二级参考文献(3)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(4)
  • 参考文献(1)
  • 二级参考文献(3)
2014(3)
  • 参考文献(0)
  • 二级参考文献(3)
2015(4)
  • 参考文献(1)
  • 二级参考文献(3)
2016(3)
  • 参考文献(0)
  • 二级参考文献(3)
2017(4)
  • 参考文献(2)
  • 二级参考文献(2)
2018(3)
  • 参考文献(0)
  • 二级参考文献(3)
2019(3)
  • 参考文献(2)
  • 二级参考文献(1)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
SAR图像
目标检测
区域生长
数据生成
锚点约束
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
南京信息工程大学学报
双月刊
1674-7070
32-1801/N
南京市宁六路219号
chi
出版文献量(篇)
1162
总下载数(次)
7
总被引数(次)
4849
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导