基于深度学习的SAR目标检测方法

来源：雷达科学与技术杂志2019年第5期北京时间：

作者：梁怿清，王小华，陈立福

单位：长沙理工大学电气与信息工程学院，湖南长沙410114

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,

基金资助：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)