基于深度分离卷积神经网络的高速高精度SAR舰船检测

基于深度分离卷积神经网络的高速高精度SAR舰船检测张晓玲; 张天文; 师君; 韦顺军

【期刊名称】《雷达学报》

【年(卷),期】2019(008)006

【摘要】随着人工智能的兴起,利用深度学习技术实现SAR舰船检测,能够有效避免传统的复杂特征设计,并且检测精度获得了极大的改善.然而,现如今大多数检测模型往往以牺牲检测速度为代价来提高检测精度,限制了一些SAR实时性应用,如紧急军事部署、迅速海难救援、实时海洋环境监测等.为了解决这个问题,该文提出一种基于深度分离卷积神经网络(DS-CNN)的高速高精度SAR舰船检测方法SARShipNet-20,该方法取代传统卷积神经网络(T-CNN),并结合通道注意力机制(CA)和空间注意力机制(SA),能够同时实现高速和高精度的SAR舰船检测.该方法在实时性SAR应用领域具有一定的现实意义,并且其轻量级的模型有助于未来的FPGA或DSP的硬件移植.

【总页数】11页(841-851)

【关键词】卷积神经网络; 深度分离卷积神经网络; SAR; 舰船检测; 注意力机制【作者】张晓玲; 张天文; 师君; 韦顺军

【作者单位】电子科技大学信息与通信工程学院成都 611731

【正文语种】中文

【中图分类】TN957.52

【相关文献】

1.基于低复杂度卷积神经网络的星载SAR舰船检测[J], 赵保军; 李珍珍; 赵博雅; 冯帆; 邓宸伟