基于改进Faster R-CNN的SAR图像飞机检测算法

• 作者: 李广帅 苏娟 李义红
• 来源期刊: 北京航空航天大学学报
• 学科: 工学
• 关键词: 飞机检测 Faster R-CNN 浅层特征增强 上下文信息 RoI Align
• 年，卷（期）: 2021,（1）
• 页码范围: 159-168
• 页数: 10页
• 分类号: TP751
• 语种: 中文
• DOI: 10.13700/j.bh.1001-5965.2020.0004

摘要

在合成孔径雷达(SAR)图像分析领域,飞机作为一种重要目标,对其的检测越来越受到重视.针对传统SAR图像飞机检测算法需要人工设计特征且鲁棒性较差的问题,提出了一种基于改进Faster R-CNN的SAR图像飞机检测算法.制作了一个SAR图像飞机数据集(SAD),以Faster R-CNN为检测框架,利用改进k-means算法设计更合理的先验锚点框,以适应飞机目标的形状特点;借鉴inception模块思想,设计多路不同尺寸卷积核以扩展网络宽度,增强对浅层特征的表达;分析残差网络Layer5层的特征输出具有更大的感受野,对其上采样后进行特征融合以利用更多的上下文信息;同时引入Mask R-CNN算法中提出的RoI Align单元,消除特征图与原始图像的映射偏差.实验结果表明:相比原始的Faster R-CNN算法,所提改进的Faster R-CNN算法在SAR图像飞机数据集上平均检测精度提高了7.4％,同时保持了较快的检测速度.