基于卷积神经网络的SAR图像目标检测

基于卷积神经网络的SAR图像目标检测.pdf
在合成孔径雷达(SyntheticApertureRadar,SAR)图像检测领域,传统检测算法鲁棒性差、人工设计特征复杂,针对此问题文中提出一种基于卷积神经网络的SAR图像目标检测模型S-FasterR-CNN.首先利用公开的MSTAR数据按照PASCALVOC格式制作了用于测试算法检测性能的数据集SARMSTARDataset(SMD).其次根据SMD数据集中目标特点设计特征提取网络,并使用LeakyReLU函数取代传统激活函数ReLU.最后引入多尺度池化单元增大网络感受野以更好地捕捉全局信息,引导网络准确检测显著性目标.实验结果表明,相比于原始FasterR-CNN算法,该算法在SMD数据集中能够实现高精度的SAR目标检测,同时保持了较快的检测速率.
作者：李广帅 李响 谭笑枫 严继伟
作者单位：火箭军工程大学核工程学院,陕西西安710025中国人民解放军96823部队,云南昆明650000
母体文献：第十六届国家安全地球物理专题研讨会论文集
会议名称：第十六届国家安全地球物理专题研讨会  
会议时间：2020年12月1日
会议地点：贵州铜仁
主办单位：中国地球物理学会,陕西省地球物理学会
语种：chi
分类号：TP3TP1
关键词：合成孔径雷达图像  特征提取  LeakyReLU函数  多尺度池化  卷积神经网络
在线出版日期：2021年4月27日
基金项目：
相似文献
相关博文

2024-12-3 20:08 上传 基于卷积神经网络的SAR图像目标检测.pdf

文件大小:

2.12 MB

下载次数:

60

高速下载