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
- 随机过程-刘次华(研究生用书)
- ENVI5.3直接打开Sentinel2数据
- linux下的QT登陆界面（用户名，密码）
- 基于Qt的一笔画小软件（欧拉回路算法的演示）
- 春节习俗网页设计
- 图像工程（上册）图像处理 章毓晋课后答案
- AIR-SAP2702I-C-K9 胖AP最新版IOS 15.3-3，思科官方下载亲测好用
- 相位梯度自聚焦算法
- 机器人控制系统设计与Matlab仿真 刘金琨
- 商品管理系统python
- 人脸年龄估计
- 数据结构-二叉树（Java实现）
- geos-3.5.2.tar.bz2
- 财会专业词汇，可用于输入法词库引用_10
- AN_SY98081_XHC_Russel.pdf
- 《VB.NET数据库编程》作者石志国-光盘源码
- 车牌识别源代码
- Delphi试卷生成系统
- 新闻管理系统model2模式
- VC++实现RSA加密算法
- 程序员计算器
- Ngram分词程序
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