《雷达学报杂志》发表论文赏析

基于深度分离卷积神经网络的高速高精度SAR舰船检测

来源:雷达学报杂志2019年第6期北京时间:

作者:张晓玲, 张天文, 师君, 韦顺军

单位:电子科技大学信息与通信工程学院 成都 611731;

摘要:随着人工智能的兴起,利用深度学习技术实现SAR舰船检测,能够有效避免传统的复杂特征设计,并且检测精度获得了极大的改善。然而,现如今大多数检测模型往往以牺牲检测速度为代价来提高检测精度,限制了一些SAR实时性应用,如紧急军事部署、迅速海难救援、实时海洋环境监测等。为了解决这个问题,该文提出一种基于深度分离卷积神经网络(DS-CNN)的高速高精度SAR舰船检测方法SARShipNet-20,该方法取代传统卷积神经网络(T-CNN),并结合通道注意力机制(CA)和空间注意力机制(SA),能够同时实现高速和高精度的SAR舰船检测。该方法在实时性SAR应用领域具有一定的现实意义,并且其轻量级的模型有助于未来的FPGA或DSP的硬件移植。

关键词:卷积神经网络, 深度分离卷积神经网络, SAR, 舰船检测, 注意力机制

基金资助:国家自然科学基金(61571099, 61501098, 61671113),国家重点研发计划(2017YFB0502700)

2019年6期其他文献查阅:

雷达对地成像技术多向演化趋势与规律分析

合成孔径雷达三维成像——从层析、阵列到微波视觉

多模式遥感智能信息与目标识别:微波视觉的物理智能

高分辨率星载SAR成像与图像质量提升方法综述

多平台合成孔径雷达成像算法综述

星载高分辨频率步进SAR成像技术

微型合成孔径雷达成像信号处理技术

L波段机载重轨干涉SAR系统及其试验研究

基于毫米波多基线InSAR的雷达测绘技术

地基干涉合成孔径雷达图像非线性大气相位补偿方法

基于深度分离卷积神经网络的高速高精度SAR舰船检测

AIR-SARShip-1.0:高分辨率SAR舰船检测数据集

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!