基于对比学习的航海雷达目标检测方法

由于航海雷达图像中的目标与杂波的相似度较高,因此目标检测任务非常困难.此外,虽然航海雷达的原始数据量很大,但标注需要大量的专业知识,导致目前可以直接使用的有效数据很少.为解决上述问题,本文首先建立了两个航海雷达数据集,分别是无标签的航海雷达数据集(Unlabeled Marine Radar Dataset,UMRD)和有标签的航海雷达检测数据集(Marine Radar Detection Dataset,MRDD).同时,本文提出了一种基于对比学习的航海雷达目标检测方法(Contrastive Learning for Marine Radar Detection,CLMRD).该方法首先以聚类的方式产生伪标签,然后以交替预测的方式从样例级别提高特征的判别性,并根据一致性准则从数据分布级别提升特征判别性.接下来,使用Yolov5作为目标检测网络,并结合预训练的特征提取器进行微调.最后,CLMRD对不同切片的检测结果进行融合.提出的方法在MRDD数据集上达到了0.97的准确率和0.95的召回率,显著优于其他检测方法,验证了其有效性和鲁棒性.