-
题名复杂场景下深度表示的SAR船舶目标检测算法
被引量：4
- 1
-
-
作者
袁国文
张彩霞
杨阳
张文生
白江波
-
机构
佛山科学技术学院机电工程与自动化学院
中国科学院自动化研究所
广东省智慧城市基础设施健康监测与评估工程技术研究中心
-
出处
《计算机工程与应用》
CSCD
北大核心
2022年第2期289-294,共6页
-
基金
广东省教育厅特色创新项目(2019KTSCX192)
广东省基础与应用基础研究基金粤港澳应用数学中心项目(2020B1515310003)
+2 种基金
佛山核心技术攻关项目(1920001001367)
广东省粮油质量安全大数据工程技术研究中心项目
国家自然科学基金青年基金(61803087)。
-
文摘
雷达图像目标检测是国家海洋军事和经济发展的重点研究领域。与被动成像的光学雷达相比,合成孔径雷达(synthetic aperture radar,SAR)由于其高分辨率、全天候、全天时、主动式等特点,成为20世纪以来多国雷达研究的重要组成部分。图像目标检测是雷达图像解译的基础。提出一种复杂场景下深度表示的SAR船舶目标检测算法,针对SAR图像目标检测模型无法专注困难样本以及解决FPN多尺度金字塔融合的问题,提出将Libra R-CNN网络与NAS-FPN特征提取网络相结合。其中Libra R-CNN网络在采样、特征、目标三种水平分别具有先进的IoU平衡采样、平衡特征金字塔、平衡L1损失方法,同时将Libra R-CNN模型中的FPN特征提取网络替换为在COCO数据集中借助神经架构搜索(neural architecture search,NAS)方法形成的7层NAS-FPN网络。模型最终在SAR船舶数据集中进行了对比实验,与原先的NAS-FPN网络相比,组合后的网络平均精度提高了4.4个百分点,证明了模型融合后的有效性。
-
关键词
合成孔径雷达(SAR)图像
目标检测
Libra
R-CNN网络
nas-fpn网络
-
Keywords
synthetic aperture radar(SAR)images
object detection
Libra R-CNN network
nas-fpn network
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
