一种基于深层次多尺度特征融合CNN的SAR图像舰船目标检测算法
基于深度学习的目标检测技术在目标检测领域有强大的生命力,但是将其用于合成孔径雷达(SAR)图像舰船目标检测时并没有达到预期的效果。提出了一种基于卷积神经网络的SAR图像舰船目标检测算法用来检测多场景下的多尺度舰船目标,在单发多盒探测器检测框架的基础上,使用性能更好的Darknet-53作为特征提取网络,加入更深层次的特征融合网络,生成语义信息更加丰富的新的特征预测图。同时在训练策略上使用了一种新的二分类损失函数来解决训练过程中难易样本失衡的问题。在扩展的公开SAR图像舰船数据集上进行验证实验,实验结果表明,所提方法对复杂场景下不同尺寸的舰船目标的检测展现出了良好的适应性。
文件下载
评论信息
其他资源
- 宏达影院售票管理系统V5.0破解版
- STM32的电子秤源码（HX711、TFT显示）
- gmapping论文
- 3D天空迷宫.zip
- android扫雷小游戏源码
- 克里金插值算法
- Java实现远程桌面(参赛作品)
- 静止无功补偿器
- 软件工程(Shari Lawrence Pfleeger著）第4版课后完整版答案
- 唯一解的数独题目生成器
- canvas绘制聚光灯资源
- Git 核心用法和概念详解-讲义.pdf
- 2020年最新CFA一二三级 FRM一二级必备金融英语词汇手册.pdf
- 超级玛丽c++源码win32Linux平台
- mfc的odbc数据库连接方法
- 超声波超声波超声波超声波
- 泛微e-officev10.0_20171013标准补丁程序
- 纯JavaWeb基础开发的网上书店项目
- SSM+easyUI框架实现的对学生的增删改查
- weka源代码分析
- STM32F103RCT6 12864液晶驱动
- 基于java web简单的学生考试系统+mysql数据库
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明