一种基于深层次多尺度特征融合CNN的SAR图像舰船目标检测算法

• 作者: 李响 杨龙 苏娟 黄华
• 来源期刊: 光学学报
• 学科: 工学
• 关键词: 机器视觉 合成孔径雷达 神经网络 舰船目标检测 单发多盒探测器 复杂场景
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 机器视觉
• 页码范围: 126-134
• 页数: 9页
• 分类号: TP751.1
• 语种: 中文
• DOI: 10.3788/AOS202040.0215002

摘要

基于深度学习的目标检测技术在目标检测领域有强大的生命力,但是将其用于合成孔径雷达(SAR)图像舰船目标检测时并没有达到预期的效果.提出了一种基于卷积神经网络的SAR图像舰船目标检测算法用来检测多场景下的多尺度舰船目标,在单发多盒探测器检测框架的基础上,使用性能更好的Darknet-53作为特征提取网络,加入更深层次的特征融合网络,生成语义信息更加丰富的新的特征预测图.同时在训练策略上使用了一种新的二分类损失函数来解决训练过程中难易样本失衡的问题.在扩展的公开SAR图像舰船数据集上进行验证实验,实验结果表明,所提方法对复杂场景下不同尺寸的舰船目标的检测展现出了良好的适应性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李响		10	256	6.0	10.0
2	黄华		6	73	3.0	6.0
3	杨龙		9	37	4.0	6.0
4	苏娟		5	28	3.0	5.0