| 基于深度学习的SAR目标检测方法 |
| |
| 引用本文： | 梁怿清,王小华,陈立福.基于深度学习的SAR目标检测方法[J].雷达科学与技术,2019,17(5):579-586. |
| |
| 作者姓名： | 梁怿清 王小华 陈立福 |
| |
| 作者单位： | 长沙理工大学电气与信息工程学院,湖南长沙,410114;长沙理工大学电气与信息工程学院,湖南长沙,410114;长沙理工大学电气与信息工程学院,湖南长沙,410114 |
| |
| 基金项目： | 国家自然科学基金青年基金(No.41201468)；湖南省教育厅优秀青年项目(No.16B004) |
| |
| 摘 要： | 高分辨率合成孔径雷达（Synthetic Aperture Radar，SAR）图像中不同目标的尺寸区别较大，这使得小目标的特征不明显，为目标检测带来了极大的挑战。针对这一问题，提出了SAR YOLO 960算法。该算法首先改进了图像输入大小的限制，将输入图像提升到960×960像素；进而改善了YOLOv3(You Only Look Once v3)网络的整体结构，修改并添加了卷积层和残差层，整体采用64倍降采样，使其速度大大提升；最后，根据SAR图像目标的特点，改进了损失函数，从而得到了SAR YOLO 960算法。在手工制作的高分辨率SAR图像数据集中的目标检测结果表明，相对于当前主流的检测算法，该算法性能显著提高；检测速度达32.8帧/秒，准确率达95.7%，召回率达94.5%。
|
| 关 键 词： | 损失函数 多尺度检测 YOLOv3网络 残差网络 深度学习 |
Research on SAR Target Detection Method Based on Deep Learning |
| |
| LIANG Yiqing,WANG Xiaohu,CHEN Lifu.Research on SAR Target Detection Method Based on Deep Learning[J].Radar Science and Technology,2019,17(5):579-586. |
| |
| Authors: | LIANG Yiqing WANG Xiaohu CHEN Lifu |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《雷达科学与技术》浏览原始摘要信息 |
|
点击此处可从《雷达科学与技术》下载全文 |
|
