基于卷积神经网络的SAR图像目标检测算法

被引：43

作者：

杜兰

刘彬

王燕

刘宏伟

代慧

机构：

[1] 西安电子科技大学雷达信号处理国家重点实验室

[2] 西安电子科技大学信息感知技术协同创新中心

来源：

电子与信息学报 | 2016年 / 38卷 / 12期

基金：

高等学校博士学科点专项科研基金;

关键词：

合成孔径雷达; 目标检测; 卷积神经网络; 训练数据扩充;

D O I：

暂无

中图分类号：

TN957.52 [数据、图像处理及录取]; TP183 [人工神经网络与计算];

学科分类号：

080904 ; 0810 ; 081001 ; 081002 ; 081105 ; 0825 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

该文研究了训练样本不足的情况下利用卷积神经网络(Convolutional Neural Network,CNN)对合成孔径雷达(SAR)图像实现目标检测的问题。利用已有的完备数据集来辅助场景复杂且训练样本不足的数据集进行检测。首先用已有的完备数据集训练得到CNN分类模型,用于对候选区域提取网络和目标检测网络做参数初始化;然后利用完备数据集对训练数据集做扩充;最后通过"四步训练法"得到候选区域提取模型和目标检测模型。实测数据的实验结果证明,所提方法在SAR图像目标检测中可以获得较好的检测效果。

引用

页码：3018 / 3025

页数：8

共 3 条

[1]

A new CFAR ship target detection method in SAR imagery[J]. JI Yonggang 1 ,ZHANG Jie 1,2,MENG Junmin 1,ZHANG Xi 1 1 First Institute of Oceanography,State Oceanic Administration,Qingdao 266061,China 2 Key Laboratory of Marine Science and Numerical Modeling,State Oceanic Administration,Qingdao 266061,China.Acta Oceanologica Sinica. 2010(01)

[2]

Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation .2 Girshick R,Donahue J,Darrell T,et al. Computer Vision and Pattern Recognition . 2014

[3]

Maxout networks .2 I.J.Goodfellow,D.Warde-Farley,M.Mirza,et al. International Conference on Machine Learning . 2013

← 1 →