基于自适应和最优特征的合成孔径雷达舰船检测方法

• 作者: 侯笑晗 金国栋 谭力宁 薛远亮
• 来源期刊: 计算机应用
• 关键词: 目标检测 深度学习 合成孔径雷达图像 舰船目标 自适应
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 前沿与综合应用|Frontier and comprehensive applications
• 页码范围: 2150-2155
• 页数: 6页
• 分类号: TP751
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2020081187

摘要

针对合成孔径雷达(SAR)目标舰船检测中对小目标检测效果不佳的问题,提出一种自适应锚框单阶段舰船检测方法.首先,在单阶段无锚框特征选择(FSAF)算法的基础上利用神经架构搜索(NAS)得到最优特征融合方式,以充分利用图像特征信息;然后提出新的损失函数,在解决正负样本不均衡的同时使网络能够更加精确地对位置进行回归;最后结合更适用于舰船检测的Soft-NMS过滤检测框得到最后的检测结果.在公开的SAR舰船检测数据集上进行了多组对比实验,结果表明,相比基础目标检测算法,所提出的方法对小目标的漏检和误报明显减少,且对靠岸舰船检测性能有一定提升.