基于改进RetinaNet的SAR图像目标检测方法

作者：岳冰莹; 陈亮; 师皓; 盛青青

来源：信号处理, 2021, 1-12.

• 合成孔径雷达图像
• 目标检测
• RetinaNet
• 旋转框
• 注意力机制

近年来，深度学习方法在合成孔径雷达（SAR）图像目标检测中得到了广泛的应用。船舶出现在近海、港口、岛礁、远洋等各种场景中，同时海洋环境复杂多变，使得船舶目标检测很难排除混乱背景的干扰。对于大纵横比、任意方向、密集分布的目标，精确定位变得更加复杂。本文基于深度学习的方法提出用于SAR图像目标检测的改进RetinaNet模型，使用深度残差网络自主获取图像特征，利用基于圆形平滑标签（Circular Smooth Label， CSL）的旋转框检测方法实现精准定位，在分类与定位网络中加入了注意力机制以增强网络特征提取能力。经SSDD数据集实验验证，本文方法目标检测精度达到88.63%，比传统RetinaNet模型提高了8.74%，表现出了良好的检测效果。

• 单位
  北京理工大学