10.3969/j.issn.1006-2475.2019.09.016
基于改进Faster R-CNN的SAR船舶目标检测方法
合成孔径雷达(Synthetic Aperture Radar,SAR)船舶检测在海洋交通监控中发挥着重要作用,传统SAR目标检测算法一般利用目标与背景杂波之间的对比度差异进行检测,在近岸海域等复杂场景下检测效果较差.为了提高在复杂场景下的检测性能,本文提出一种基于改进Faster R-CNN的船舶检测方法,在分析不同特征分辨率对检测性能影响的基础上,结合VGG的思想与扩张卷积设计一个适用于SAR船舶目标检测的特征提取网络,以提升对小型船舶目标的检测能力.另外,根据sentinel-1A数据集中目标尺寸分布选取小尺寸anchor,并通过去除冗余anchor,将检测速度提升了一倍.在sentinel-1A数据集上的实验证明本文提出的算法能够快速、有效地从复杂场景SAR图像中检测出船舶目标.
卷积神经网络、船舶检测、合成孔径雷达
TN957
国家重点研发计划项目2017YFB0503001
2019-09-12(万方平台首次上网日期,不代表论文的发表时间)
共7页
90-95,101