本发明公开了一种改进的基于Faster RCNN的港口SAR图像近岸舰船检测方法,包括以下步骤:S1,选取SAR图像样本集,构建卷积神经网络;S2,将目标SAR图像输入步骤卷积神经网络提取特征图;S3,生成候选区域建议;S4,目标区域池化;S5,进行二分类:根据S4得到的目标区域特征图计算目标类型,区分目标是舰船还是背景,形成分类分数;S6,...
本发明属于雷达SAR图像智能解译技术领域,公开了一种基于改进FasterR‑CNN的SAR图像舰船检测方法,引入了FCN网络,可以对图像中的目标进行准确的分割,提高检测效率,尤其对小目标有很好的检测性能;RBox替代BBox进行回归定位,可以描述任意角度的目标框,获取的局部候选区域边界框存在很少的背景像素,能很好地区分目标和背景,对...
基于改进CenterNet的轻量级无锚框SAR图像多尺度舰船检测算法 提出了基于改进CenterNet的轻量级无锚框合成孔径雷达图像舰船检测方法,通过预测目标关键点的信息及检测框的相关属性,实现了合成孔径雷达图像舰船快速准确定位与检测.为... 谢洪途,姜新桥,王国倩,... - 《哈尔滨工程大学学报》 被引量: 0发表: 2024年 基于...
本发明提供一种基于改进YOLOv8的SAR图像舰船目标检测方法、介质及装置,所述方法包括:步骤1:将SAR类型舰船数据集划分为训练集、测试集和验证集;步骤2:利用训练集和验证集对改进的YOLOv8检测网络模型进行训练,获取最优检测模型;步骤3:利用所述最优检测模型对测试集中的图片数据进行目标检测。相比于原始YOLOv8目标检测方...
合成孔径雷达(SAR)图像自动目标识别(ATR)技术是人工图像解译的关键技术之一.针对传统的SAR舰船目标检测算法大多受限于场景且泛化能力较差的问题,设计了一种基于改进YOLOv3网络的检测模型.将YOLOv3与DenseNet网络融合,使用稠密网络模块代替用于提取中小尺度特征的残差网络模块,通过训练得到模型的最优权重,实现端到端的目标检...
SAR图像以其独特的成像机制和全天候、全天时的观测能力,成为了海洋监控与舰船目标检测的重要工具。然而,传统的SAR图像舰船目标检测方法往往受限于算法效率和准确性的双重挑战,如同航海者在茫茫大海中寻找灯塔,既需要精准的指引,又需避免误入歧途。 在这样的背景下,基于深度学习的YOLOv7算法应运而生,它如同一位经验...
专利摘要:本发明公开了一种基于改进的残差轻量网络的SAR图像舰船尾迹参数估计方法,该方法首先构建舰船尾迹SAR图像数据集,然后搭建改进的残差轻量网络,在原始ResNet‑18网络的底层引入非局部运算来计算特征不同位置的关联度,增强全局特征感知;通过将3×3卷积过程更新为3×3的逐通道卷积过程与1×1的逐点卷积过程来降...
1.一种基于矩不变的SAR海洋图像舰船目标检测算法2.基于CNN的SAR图像舰船目标检测算法3.基于CFAR级联的SAR图像舰船目标检测算法4.改进YOLOv5的SAR图像近海岸舰船目标检测算法研究5.基于特征增强的SAR图像舰船小目标检测算法 因版权原因,仅展示原文概要,查看原文内容请购买©...
本发明公开了一种基于改进PGA的SAR舰船图像重聚焦方法,先对散焦或粗聚焦的SAR舰船全景图像数据进行截取,得到包含舰船目标在内的数据图像;然后根据海况等级和舰船尺寸确定子图像的距离向分块大小;接着,根据确定的距离向分块尺寸将SAR图像分割为距离向子图像;然后,对每
本发明属于雷达SAR图像智能解译技术领域,公开了一种基于改进FasterRCNN的SAR图像舰船检测方法,引入了FCN网络,可以对图像中的目标进行准确的分割,提高检测效率,尤其对小目标有很好的检测性能;RBox替代BBox进行回归定位,可以描述任意角度的目标框,获取的局部候选区域边界框存在很少的背景像素,能很好地区分目标和背景,对于...