深度学习方法已在图像识别领域有了广泛的应用,相较于光学图像识别,合成孔径声呐图像识别存在图像分辨率低、小目标特征模糊、样本获取困难、缺少完备样本集的问题。为此,文章提出一种改进Faster R-CNN(Faster Region Convention Neural...深度学习方法已在图像识别领域有了广泛的应用,相较于光学图像识别,合成孔径声呐图像识别存在图像分辨率低、小目标特征模糊、样本获取困难、缺少完备样本集的问题。为此,文章提出一种改进Faster R-CNN(Faster Region Convention Neural Network)模型的合成孔径声成像目标检测方法,采用添加注意力机制的金字塔特征提取网络,提高特征模糊样本中小目标检测概率,采用梯度协调机制的区域适应网络解决简单样本和困难样本分布不均问题。通过实际合成孔径声成像数据验证表明,该方法较好地实现了合成孔径图像中多类别小目标的智能检测。展开更多
