基于RetinaNet的SAR图像舰船目标检测

• 作者: 刘敏 刘洁瑜 赵彤
• 来源期刊: 湖南大学学报（自然科学版）
• 关键词: 合成孔径雷达(SAR)图像 舰船目标检测 深度学习 RetinaNet
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 电气与信息工程
• 页码范围: 85-91
• 页数: 7页
• 分类号: TP751.1
• 语种: 中文
• DOI: 10.16339/j.cnki.hdxbzkb.2020.02.012

摘要

在合成孔径雷达图像舰船目标检测中,由于背景复杂多变,传统的基于人工特征的目标检测方法效果较差.基于深度学习中的单阶段目标检测算法RetinaNet,结合合成孔径雷达图像本身特征信息较少的特点,采用了多特征层融合的思想,改进了网络特征提取能力,提出了相适应的损失函数的计算方法.采用SAR图像舰船目标检测数据集(SSDD)对网络进行训练,并通过样本增强和迁移学习的方法提升算法的鲁棒性和收敛速度.通过实验与其他基于深度学习的目标检测算法所得结果进行比较,结果表明本算法具有更高的检测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘洁瑜	火箭军工程大学导弹工程学院	20	63	6.0	7.0
2	刘敏	湖南大学电气与信息工程学院	42	185	7.0	12.0
3	赵彤	火箭军工程大学导弹工程学院	3	1	1.0	1.0