10.3969/j.issn.2095-2783.2022.11.018
结合贝叶斯分类器与伪孪生网络的SAR舰船目标检测
为了发挥合成孔径雷达(synthetic aperture radar,SAR)检测系统在军事和航海领域的重要作用,提升高分辨率SAR图像目标检测的精度,提出了基于贝叶斯分类器与轻量伪孪生网络(pseudo-siamese network,PSN)的SAR舰船目标检测算法.针对大部分卷积神经网络(convolutional neural networks,CNN)目标检测模型因参数多、模型大而不利于移动端嵌入式使用的特点,利用视觉显著结合贝叶斯分类,获得舰船疑似切片,降低数据量.引入一维直方图信息,在PSN的基础上自主设计了SAR舰船目标检测框架.基于HRSID数据集进行检测实验,并与各种基于深度学习的目标检测算法进行比较,检测结果表明了所构建模型的有效性.
SAR舰船目标检测、深度学习、伪孪生网络、视觉显著、贝叶斯分类器
17
TP751(遥感技术)
2022-12-06(万方平台首次上网日期,不代表论文的发表时间)
共7页
1296-1302