用于SAR图像小目标舰船检测的改进SSD算法

• 作者: 杨龙 苏娟 金国栋 黄华
• 来源期刊: 系统工程与电子技术
• 学科: 工学
• 关键词: 目标检测 卷积神经网络 迁移学习 浅层特征增强 空洞卷积
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 传感器与信号处理
• 页码范围: 1026-1034
• 页数: 9页
• 分类号: TP751
• 字数: 5856字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-506X.2020.05.08

摘要

针对合成孔径雷达(synthetic aperture radar,SAR)图像小目标舰船检测中存在的检测率较低、虚警较高等缺点,提出了用于SAR图像小目标舰船检测的改进单步多框检测(single shot multibox detector,SSD)算法.首先,制作了一个专门用于SAR图像小目标舰船检测的数据集,在SSD目标检测算法的基础上,提出了迁移学习、浅层特征增强和数据增广3个方面的改进;利用性能更好的ResNet50作为特征提取结构,在浅层特征增强网络结构中采用了inception模块的分支结构,同时使用了空洞卷积扩大特征图的视觉感受野,增强了网络对小尺寸舰船目标的适应性;最后在数据集上进行了多组对比分析实验,实验结果表明所提方法相比于原始的SSD,平均准确率提高了5.4％,并且对SAR小目标舰船的漏检和误报明显减少.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄华	西北工业大学航海学院	6	73	3.0	6.0
2	苏娟	火箭军工程大学核工程学院	10	16	2.0	3.0
3	金国栋	火箭军工程大学核工程学院	7	7	2.0	2.0