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SARShip Net-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。
类型: 期刊论文
作者: 张晓玲,张天文,师君,韦顺军
关键词: 卷积神经网络,深度分离卷积神经网络,舰船检测,注意力机制
来源: 雷达学报 2019年06期
年度: 2019
分类: 信息科技
专业: 电信技术,自动化技术
单位: 电子科技大学信息与通信工程学院
基金: 国家自然科学基金(61571099,61501098,61671113),国家重点研发计划(2017YFB0502700)~~
分类号: TN957.52;TP183
页码: 841-851
总页数: 11
文件大小: 2784K
下载量: 246
本文来源: https://www.lunwen90.cn/article/31a3eedcc9492191256f6ab4.html