近年来,深度学习技术得到广泛应用,然而在合成孔径雷达(SAR)舰船目标检测研究中,由于数据获取难、样本规模小,尚难以支撑深度网络模型的训练。该文公开了一个面向高分辨率、大尺寸场景的SAR舰船检测数据集,该数据集包含31景高分三号SAR图像,场景类型包含港口、岛礁、不同级别海况的海面等,背景涵盖近岸和远海等多样场景。同时,该文使用经典舰船检测算法和深度学习算法进行了实验,其中基于密集连接端到端网络方法效果最佳,平均精度达到88.1%。通过实验对比分析形成指标基准,方便其他学者在此数据集基础上进一步展开SAR舰船检测相关研究。
类型: 期刊论文
作者: 孙显,王智睿,孙元睿,刁文辉,张跃,付琨
关键词: 舰船检测,公开数据集,深度学习
来源: 雷达学报 2019年06期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 船舶工业,电信技术,计算机软件及计算机应用,自动化技术
单位: 中国科学院空天信息创新研究院北京,中国科学院大学,中国科学院网络信息体系技术科技创新重点实验室
基金: 国家自然科学基金(61725105,41801349,41701508),国家高分辨率对地观测系统重大专项（GFZX0404120405)~~
分类号: U675.79;TN957.52;TP18
页码: 852-862
总页数: 11
文件大小: 15330K
下载量: 237
本文来源: https://www.lunwen66.cn/article/f616cdab744978ce71e2be91.html