电讯技术

作者：周慧,刘振宇,陈澎

单位：(1.大连东软信息学院 计算机与软件学院，辽宁 大连 116023;大连海事大学 航海学院，辽宁 大连 116026)

关键词：SAR图像；船舶多目标检测；锚点框聚类；特征金字塔模型；

基金：国家自然科学基金资助项目(51609032)；辽宁省教育厅科技项目（L2015042）

深度学习模型中的特征金字塔网络（Feature Pyramid Network，FPN）常被用作合成孔径雷达（Synthetic Aperture Radar，SAR）图像中多目标船舶的检测。针对复杂场景下多目标船舶检测问题，提出了一种基于改进锚点框的FPN模型。首先将特征金字塔模型嵌入传统的RPN（Region Proposal Network）并映射成新的特征空间用于目标检测，然后利用基于形状相似度距离（Shape Similar Distance,SSD）度量的Kmeans聚类算法优化FPN的初始锚点框，并使用SAR船舶数据集测试。实验结果表明，所提算法目标检测精确率达到98.62%，在复杂场景下与YOLO、Faster RCNN、FPN based on VGG/ResNet等模型进行对比，模型准确率提高，整体性能更好。

来源：2020年第8期

《电讯技术》期刊编辑部

查看电讯技术杂志2020年第8期