自适应训练的高分辨率SAR图像的船舶小目标检测方法.pdfVIP

2024年8月计算机应用文摘第40卷第16期

自适应训练的高分辨率SAR图像的船舶小目标检测方法

潘婕

（宁波职业技术学院人工智能学院，浙江宁波315800）

摘要：文章介绍了船舶目标检测的方法。针对SAR图像中船舶小目标检测因特征易消失而导致的检测困难

问题，在单阶段目标检测框架的基础上，首先构建了一个基于图像金字塔残差网络的特征提取网络；其次增加了

自适应训练样本选择网络，并利用难样本挖掘的思想改进了模型优化的损失函数。整体上，这些改进提升了目

标检测模型对船舶小目标的检测性能。实验结果表明，所提方法能有效提升小目标的检测效果。

关键词：小目标检测；自适应训练；SAR图像

中图分类号：TP183文献标识码：A

Adaptivetrainingforshipsmalltargetdetectioninhigh-resolutionSARimage

PANJie

（SchoolofArtificialIntelligence，NingboPolytechnic，Ningbo，Zhejiang315800，China）

Abstract：Thearticleintroducesthemethodsofshiptargetdetection.Inresponsetothedifficultyofdetecting

smallshiptargetsinSARimagesduetotheeasydisappearanceoffeatures，afeatureextractionnetworkbased

onanimagepyramidresidualnetworkwasfirstconstructedonthebasisofasingle-stageobjectdetection

framework.Secondly，anadaptivetrainingsampleselectionnetworkwasadded，andthelossfunctionofthe

modeloptimizationwasimprovedusingtheideaofdifficultsamplemining.Overall，theseimprovementshave

improvedthedetectionperformanceoftheobjectdetectionmodelforsmallshiptargets.Theexperimental

resultsshowthattheproposedmethodcaneffectivelyimprovethedetectionperformanceofsmalltargets.

Keywords：targetdetection，adaptivetraining，SARimage

类别并精修检测框的定位，代表性方法有R-CNN系

1引言［3~5］

列。基于深度学习的SAR图像船舶检测算法基本

我国是海洋大国，随着海洋经济的发展，如何利沿用了上述模型，同时针对SAR图像的特性进行了有

用现有技术对海洋船舶进行有效监管成为业界和学针对性的改进。为提高检测率并降低虚警率，Chen