利用改进特征金字塔模型的SAR图像多目标船舶检测

作者：周慧; 刘振宇; 陈澎^*

来源：电讯技术, 2020, 60(08): 896-901.

• SAR图像
• 船舶多目标检测
• 锚点框聚类
• 特征金字塔模型

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。

• 单位
  大连海事大学; 大连东软信息学院