文献类型：期刊文章

作　　者：张晓玲[1] 张天文[1] 师君[1] 韦顺军[1]

ZHANG Xiaoling;ZHANG Tianwen;SHI Jun;WEI Shunjun(School of Electronic Engineering,University of Electronic Science and Technology of China,Chengdu 611731,China)

机构地区：[1]电子科技大学信息与通信工程学院

出　　处：《雷达学报（中英文）》

基　　金：国家自然科学基金(61571099,61501098,61671113);国家重点研发计划(2017YFB0502700)~~

年　　份：2019

卷　　号：8

期　　号：6

起止页码：841-851

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：随着人工智能的兴起,利用深度学习技术实现SAR舰船检测,能够有效避免传统的复杂特征设计,并且检测精度获得了极大的改善。然而,现如今大多数检测模型往往以牺牲检测速度为代价来提高检测精度,限制了一些SAR实时性应用,如紧急军事部署、迅速海难救援、实时海洋环境监测等。为了解决这个问题,该文提出一种基于深度分离卷积神经网络(DS-CNN)的高速高精度SAR舰船检测方法SARShipNet-20,该方法取代传统卷积神经网络(T-CNN),并结合通道注意力机制(CA)和空间注意力机制(SA),能够同时实现高速和高精度的SAR舰船检测。该方法在实时性SAR应用领域具有一定的现实意义,并且其轻量级的模型有助于未来的FPGA或DSP的硬件移植。

关 键 词：卷积神经网络 深度分离卷积神经网络  SAR 舰船检测 注意力机制  

分 类 号：TN957.52]