题名 | 基于深度学习的 SAR 图像舰船检测方法研究 |
作者 | 孙文豪 |
答辩日期 | 2021-05-26 |
文献子类 | 硕士 |
授予单位 | 中国科学院自动化研究所 |
授予地点 | 中国科学院自动化研究所 |
导师 | 乔红 |
关键词 | 深度学习 SAR 图像舰船检测 |
学位专业 | 控制理论与控制工程 |
英文摘要 | 物体检测是利用计算机程序从图像中找到指定目标的技术,是众多高层视觉任务的基础,也是计算机视觉领域中经久不衰的研究热点。随着无人机技术的发展,合成孔径雷达(Synthetic Aperture Radar, SAR)作为一种先进的主动式微波成像传感器,可以全天时、全天候地生成高分辨率地表图像,已经成为无人机搭载的重要视觉设备。SAR图像中的舰船检测作为SAR图像理解的基础步骤,能够为海事管理和交通控制等实际应用提供重要支撑,在民用和军用领域具有重大的应用价值和理论意义。SAR图像舰船检测主要有三个难点:一是近海场景带来的复杂背景使得舰船检测精度不高;二是SAR图像中船舰目标尺度多样,为实现高精度的舰船检测带来了挑战;三是实际应用需要能够在CPU等计算资源受限的设备上实时运行的高效率检测算法,同时维持较高的精度。 随着深度学习的到来,物体检测技术得到了飞速的发展,传统物体检测算法的性能被大大超越。本文以SAR图像中的舰船检测为应用背景,对现有的基于深度学习的通用物体检测算法进行改进,在复杂背景中的舰船检测、高精度舰船检测、高效率舰船检测这三个方面进行了深入地探索,解决了现有算法在近海舰船检测、多尺度舰船检测、速度精度平衡上的问题,得到了更适合SAR图像舰船检测场景的高性能的物体检测算法。本文的主要贡献包含以下几个方面: 1. 提出了一个基于语义注意力的复杂背景中的SAR舰船检测算法 2. 提出了一个基于空间注意力与特征对齐的高精度SAR舰船检测算法 3. 提出了一个基于深度可分离卷积与自注意力的高效率SAR舰船检测算法 |
语种 | 中文 |
页码 | 100 |
内容类型 | 学位论文 |
源URL | [http://ir.ia.ac.cn/handle/173211/44963] |
专题 | 自动化研究所_复杂系统管理与控制国家重点实验室_机器人应用与理论组 |
推荐引用方式 GB/T 7714 | 孙文豪. 基于深度学习的 SAR 图像舰船检测方法研究[D]. 中国科学院自动化研究所. 中国科学院自动化研究所. 2021. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论