|
|||||
|
|
| 基于改进YOLOv3的SAR舰船图像目标识别技术 | |
| 引用本文： | 姜浩风,张顺,梅少辉.基于改进YOLOv3的SAR舰船图像目标识别技术[J].上海航天,2022,39(3):60-66. |
| 作者姓名： | 姜浩风 张顺 梅少辉 |
| 作者单位： | 西北工业大学 电子信息学院，陕西 西安710072 |
| 基金项目： | 国家自然科学基金(62171381) |
| 摘 要： | 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) |
| 收稿时间： | 2022/3/4 0:00:00 |
| 修稿时间： | 2022/3/22 0:00:00 |
Target Detection Technology for SAR Ship Images Based on Improved YOLOv3 |
|
| JIANG Haofeng,ZHANG Shun,MEI Shaohui.Target Detection Technology for SAR Ship Images Based on Improved YOLOv3[J].Aerospace Shanghai,2022,39(3):60-66. | |
| Authors: | JIANG Haofeng ZHANG Shun MEI Shaohui |
| Abstract: | |
| Keywords: | synthetic aperture radar(SAR) ship image target detection YOLOv3 DenseNet multi-scale anchor box GIoU |
| 点击此处可从《上海航天》浏览原始摘要信息 | |
| 点击此处可从《上海航天》下载免费的PDF全文 | |