文献类型：期刊文章

作　　者：张官荣[1] 赵玉[1] 李波[1] 陈相[1] 张海珠[2]

ZHANG Guanrong;ZHAO Yu;LI Bo;CHEN Xiang;ZHANG Haizhu(Aeronautics Engineering College Air Force Engineering University,Xi'an 710000 China;No.95949 Unit of PLA,Cangzhou 061000 China)

机构地区：[1]空军工程大学航空工程学院,西安710000 [2]中国人民解放军95949部队,河北沧州061000

出　　处：《电光与控制》

年　　份：2022

卷　　号：29

期　　号：9

起止页码：107-110

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2021_2022、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：合成孔径雷达(SAR)是一种高分辨率星载(或机载)雷达系统,SAR图像自动目标识别(ATR)技术是智能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YOLOv3网络的检测模型,使用多尺度先验框对目标物体进行检测,通过训练得到模型的最优权重,实现端到端的目标检测。测试结果表明,与Faster R-CNN算法相比,YOLOv3在准确率与运行速度上均有更优秀的性能表现。

关 键 词：SAR舰船图像  目标检测 YOLOv3  卷积神经网络

分 类 号：TP751]