复杂背景下SAR图像船舶目标检测算法研究

摘要：

针对复杂背景SAR图像船舶目标检测易受地物干扰影响,导致模型检测率低的问题,提出将结合通道和空间的双注意力机制CBAM引入目标检测网络;将膨胀卷积和concat特征融合技术应用于目标检测网络中提升模型对小尺寸目标的鲁棒性;为了进一步提高模型的检测速度,使用轻量级MobileNet作为基础特征提取网络;同时采用一个新的二分类损失函数使模型训练能够对难易样本设置不同的权重.最后,通过在构建的复杂背景SAR图像船舶目标检测数据集SDATA上进行实验,实验结果表明该算法在复杂背景SAR船舶目标检测中其平均检测精度与综合评价指标F1-score值分别为88.9％和91.2％,检测速度达42.1 fps,从而验证了该模型不仅能够有效提升复杂背景SAR图像船舶目标的检测精度,而且在一定程度上提高了目标的检测速度.

关键词：深度学习;目标检测;SAR图像;双注意力机制;特征融合

所属期刊栏目：31

分类号：TP312(计算技术、计算机技术)

资助基金：陕西高等教育教学改革研究项目;长安大学教育教学改革研究项目

在线出版日期：2021-10-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：49-55