基于通道剪枝的SAR图像舰船检测优化算法

• 作者: 周舟 张志俊 徐丰 王志诚 王海鹏
• 来源期刊: 上海航天
• 学科: 工学
• 关键词: 合成孔径雷达图像 舰船检测 深度学习 通道剪枝
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 创新与探索
• 页码范围: 48-54
• 页数: 7页
• 分类号: TP751.1
• 字数: 3801字
• 语种: 中文
• DOI: 10.19328/j.cnki.1006-1630.2020.04.007

摘要

近几年,随着深度学习的发展,基于深度学习的目标检测算法开始应用于合成孔径雷达(SAR)图像中的舰船检测.但深度学习模型结构复杂,参数量与计算量巨大,无法应用到星载处理器的实时处理中.本文提出一种结合了Faster-RCNN和卷积通道剪枝的舰船检测方法,在保证检测精度不受较大影响的情况下,剪除卷积层中的部分参数,提高检测效率.实验表明:经过剪枝优化的Faster-RCNN舰船检测模型中的参数量降低了约56％,而推理时间减少了约51％,同时精度下降仅有1.9％.这给未来在星载处理器上部署舰船检测算法提供了新的思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐丰	复旦大学电磁波信息科学教育部重点实验室	40	254	8.0	15.0
2	张志俊		3	0	0.0	0.0
3	王志诚		11	10	2.0	2.0
4	王海鹏	复旦大学电磁波信息科学教育部重点实验室	24	109	4.0	10.0
5	周舟	复旦大学电磁波信息科学教育部重点实验室	1	0	0.0	0.0