SAR影像船舶目标检测技术研究
Journal of Geomatics Science and Technology（2020）
摘要
针对SAR影像特征单一、小船舶目标检测召回率低和近岸目标虚警率高等问题,提出基于跨阶段局部聚合残差变换网络CSPResNeXt(Cross Stage Partial ResNeXt)的SAR影像船舶检测算法.该算法首先在浅层特征提取网络中加入了感受野模块RFB(Receptive Field Block)来模仿人类视觉感知,用以增强目标特征的可辨识性和网络对小尺寸船舶的适应性;其次采用多特征层双向加权融合和多尺度检测方法,对特征进行重组优化,提升目标检测能力;最后提出了相适应的损失函数的计算方法,并通过数据增强提升网络的鲁棒性.在HRSID和SSDD数据集上的实验结果表明,改进算法对密集小目标的检测效果得到了提升,有效降低了近岸强散射目标的误检率,检测速度和精度更加优越.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要