10.16798/j.issn.1003-0530.2022.01.015
基于改进RetinaNet的SAR图像目标检测方法
近年来,深度学习方法在合成孔径雷达(SAR)图像目标检测中得到了广泛的应用.船舶出现在近海、港口、岛礁、远洋等各种场景中,同时海洋环境复杂多变,使得船舶目标检测很难排除混乱背景的干扰.对于大纵横比、任意方向、密集分布的目标,精确定位变得更加复杂.本文基于深度学习的方法提出用于SAR图像目标检测的改进RetinaNet模型,使用深度残差网络自主获取图像特征,利用基于圆形平滑标签(Circular Smooth Label,CSL)的旋转框检测方法实现精准定位,在分类与定位网络中加入了注意力机制以增强网络特征提取能力.经SSDD数据集实验验证,本文方法目标检测精度达到88.63%,比传统RetinaNet模型提高了8.74%,表现出了良好的检测效果.
合成孔径雷达图像;目标检测;RetinaNet;旋转框;注意力机制
38
TP751(遥感技术)
国家重大科研仪器研制项目;国家自然科学基金
2022-03-07(万方平台首次上网日期,不代表论文的发表时间)
共9页
128-136