基于CNN的SAR车辆目标检测

来源：雷达科学与技术杂志2019年第2期北京时间：

作者：常沛，夏勇，李玉景，吴涛

单位：1.中国电子科技集团公司第三十八研究所， 安徽合肥230088;2.孔径阵列与空间探测安徽省重点实验室， 安徽合肥230088

摘要：传统的SAR目标检测算法容易受到复杂背景的干扰，因此利用被广泛应用于图像目标检测和识别领域的Faster-RCNN方法，对复杂背景下的SAR图像进行车辆目标检测实验。在对样本数据进行预处理后对车辆真实位置进行标记，采用可视化的深度学习客户端对样本进行裁剪和旋转，扩充样本数据库。利用已充分训练的模型权重对ZF和VGG-16网络进行预训练，再利用扩充的数据集进行训练和验证，并使用包含MiniSAR数据的测试集进行测试。实验证明，ZF网络和VGG-16的检测效果类似，但是ZF网络因为网络层数更少因而检测耗时更短。

关键词：合成孔径雷达,卷积神经网络,数据扩充,目标检测和识别,