首页 > 论文 > 光学学报 > 40卷 > 02期(pp:0215002)

基于深层次多尺度特征融合CNN的SAR图像舰船目标检测算法

杨龙   苏娟   黄华   李响  
  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
分享:

摘要

随着SAR成像技术的发展,SAR图像在舰船检测方面已经得到了广泛的应用。近年来,基于深度学习的目标检测技术在目标检测领域展现出了强大的生命力,但是将其用于SAR图像舰船目标检测时依然没有达到预期的效果,主要原因一方面是当前的神经网络模型很难处理多尺度的舰船目标,另一方面是很难鉴别复杂条件下的场景干扰和舰船目标。本文提出了一种基于卷积神经网络的SAR图像舰船目标检测算法用来检测多场景下的多尺度舰船目标,在SSD检测框架的基础上,使用性能更好的Darknet-53作为特征提取网络,加入更深层次的特征融合网络,生成语义信息更加丰富的新的特征预测图。同时在训练策略上使用了一种新的二分类损失函数来解决训练过程中难易样本失衡的问题。在扩展的公开SAR图像舰船数据集SSDD上进行验证实验,实验结果表明,本文提出的方法对复杂场景下不同尺寸的舰船目标检测展现出了良好的适应性。

Newport宣传-MKS新实验室计划
补充资料

DOI:10.3788/aos202040.0215002

作者单位:

    火箭军工程大学
    火箭军工程大学
    西北工业大学航海学院
    火箭军工程大学

引用该论文

杨龙,苏娟,黄华,李响. 基于深层次多尺度特征融合CNN的SAR图像舰船目标检测算法[J].光学学报,2020,40(02):0215002.