-
题名基于模糊神经网络的舰船雷达图像弱小目标检测
- 1
-
-
作者
张勇飞
陈涛
-
机构
南昌大学科学技术学院
南昌大学数学与计算机学院
-
出处
《舰船科学技术》
北大核心
2024年第9期147-150,共4页
-
基金
国家自然科学基金资助项目(71363043)
2021年度江西省教育厅科学技术研究资助项目(GJJ217813)
2022年江西省高等学校教学改革研究省级课题资助项目(JXJG-22-30-6)。
-
文摘
舰船雷达图像信息的维度较高,导致弱小目标的关键特征难以被精准提取,降低了弱小目标检测的可靠性,因此提出一种基于模糊神经网络的舰船雷达图像弱小目标检测方法。该方法对舰船雷达图像进行背景校正,利用图像灰度值加性模型从图像中提取弱小目标。最后将提取的弱小目标输入到模糊神经网络中,输出的结果即为舰船雷达图像弱小目标检测结果。通过实验证明,在不同高斯噪声环境中,该方法能够准确地检测出雷达图像中的弱小目标,并具有较快的检测速度。
-
关键词
舰船雷达图像
弱小目标检测
图像灰度值
高斯噪声
-
Keywords
ship radar images
weak target detection
image grayscale value
gaussian noise
-
分类号
TP391.3
[自动化与计算机技术—计算机应用技术]
-
-
题名基于特征解耦的SAR图像舰船检测蒸馏
被引量:1
- 2
-
-
作者
罗杨
卞春江
陈红珍
-
机构
中国科学院国家空间科学中心复杂航天系统综合电子与信息技术重点实验室
中国科学院大学计算机科学与技术学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2024年第2期171-179,共9页
-
文摘
目前,基于深度学习的合成孔径雷达(SAR)舰船目标检测方法受到广泛关注。但因为模型参数量大、运算内存高等问题限制了其实际应用。通过学生网络模仿教师网络,知识蒸馏被视作一种高效的模型压缩方法。然而,大部分的知识蒸馏算法只针对常见的可见光图像任务,将其直接应用到复杂的SAR图像舰船目标检测上性能表现不佳。通过分析,出现上述性能不佳现象有以下两个原因:(1)前景背景面积严重失衡;(2)缺乏对前景和背景像素的关系建模。针对上述问题,提出基于解耦特征的拓扑距离知识蒸馏算法。前景和背景解耦蒸馏可以缓解前景背景失衡问题。通过解耦特征拓扑距离蒸馏,学生网络可以从教师网络学习到前景背景之间的关系,增强对背景噪声鲁棒性。实验结果表明,相比许多蒸馏算法,所提出的算法可以十分有效地提升学生网络在SAR图像舰船目标检测精度。比如,基于ResNet18-C4骨干网络的Faster R-CNN模型在HRSID数据集上AP提升6.85个百分点,从31.81%提升到38.66%。
-
关键词
合成孔径雷达(SAR)图像舰船检测
知识蒸馏
特征解耦
-
Keywords
synthetic aperture radar(SAR)image ship detection
knowledge distillation
decoupled feature
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进YOLOv3的SAR舰船图像目标识别技术
被引量:7
- 3
-
-
作者
姜浩风
张顺
梅少辉
-
机构
西北工业大学电子信息学院
-
出处
《上海航天(中英文)》
CSCD
2022年第3期60-66,共7页
-
基金
国家自然科学基金(62171381)。
-
文摘
合成孔径雷达(SAR)图像自动目标识别(ATR)技术是人工图像解译的关键技术之一。针对传统的SAR舰船目标检测算法大多受限于场景且泛化能力较差的问题,设计了一种基于改进YOLOv3网络的检测模型。将YOLOv3与DenseNet网络融合,使用稠密网络模块代替用于提取中小尺度特征的残差网络模块,通过训练得到模型的最优权重,实现端到端的目标检测。使用综合交并比(GIoU)损失代替交并比(IoU)边界框回归损失,提供更加准确的边界框位置信息,提高检测精度,采用中国科学院空天信息研究院制作的SAR图像船舶检测数据集进行测试。测试结果表明:与原YOLOv3算法相比,改进后的YOLOv3检测准确率提高了1.4%。
-
关键词
合成孔径雷达(SAR)舰船图像
目标检测
YOLOv3
DenseNet
多尺度先验框
综合交并比(GIoU)
-
Keywords
synthetic aperture radar(SAR)ship image
target detection
YOLOv3
DenseNet
multi-scale anchor box
GIoU
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-