基于锚框自适应和多尺度增强的SAR舰船检测

TP751; 针对目前基于深度学习的合成孔径雷达(synthetic aperture radar,SAR)舰船检测锚框尺度固定、多尺度检测性能较差的问题,提出了一种基于锚框自适应和多尺度增强网络(adaptive anchor multi-scale enhance-ment network,AA-MSE-Net)的SAR舰船检测方法.首先,AA-MSE-Net引入了锚框自适应机制,来生成适应目标形态的高质量锚框,增强了舰船形态描述能力.其次,AA-MSE-Net提出了多尺度增强金字塔网络,来融合增强多尺度特征,增强了多尺度描述能力.最后,AA-MSE-Net在骨干网络中引入了可变形卷积,来...

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 46; no. 4; pp. 1204 - 1211
Main Authors 邵子康, 张晓玲, 张天文, 曾天娇
Format Journal Article
LanguageChinese
Published 电子科技大学信息与通信工程学院,四川成都 611731%电子科技大学航空航天学院,四川成都 611731 01.04.2024
Subjects
舰船检测
尺度增强
合成孔径雷达
ship detection
自适应锚框
synthetic aperture radar(SAR)
adaptive anchor
scale enhancement
Online AccessGet full text
ISSN1001-506X
DOI10.12305/j.issn.1001-506X.2024.04.08

Cover

More Information
Summary:TP751; 针对目前基于深度学习的合成孔径雷达(synthetic aperture radar,SAR)舰船检测锚框尺度固定、多尺度检测性能较差的问题,提出了一种基于锚框自适应和多尺度增强网络(adaptive anchor multi-scale enhance-ment network,AA-MSE-Net)的SAR舰船检测方法.首先,AA-MSE-Net引入了锚框自适应机制,来生成适应目标形态的高质量锚框,增强了舰船形态描述能力.其次,AA-MSE-Net提出了多尺度增强金字塔网络,来融合增强多尺度特征,增强了多尺度描述能力.最后,AA-MSE-Net在骨干网络中引入了可变形卷积,来提取舰船形变特征,进一步提高检测精度.实验证明,AA-MSE-Net在公开SAR舰船检测数据集上的平均精度高于8种对比方法.
ISSN:1001-506X
DOI:10.12305/j.issn.1001-506X.2024.04.08