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
- 电动车管理系统-练习
- LabwindowsCVI 虚拟仪器测试技术及工程应用光盘源码，全部文件。
- HMC833驱动源代码
- PB做标准XML解析器
- ID3算法 C++实现以及3套数据集
- 图书管理系统 PHP+MYSQL实现
- 测量导线计算VB程序设计
- 码出高效非扫描版高清
- Innosetup C# 打包代码 完美版
- 变态型整人代码（小心使用）适合开源
- HGM3000消防应急广播设备使用说明书.pdf
- mxgraph画的工作流的流程图
- istio灰度发布探索.mp4
- MyEclipse2017ci3破解
- C++ 学籍管理系统
- vb学生信息管理系统.zip
- kmod-oracleasm-2.0.6.rh1-2.el6.x86_64.rpm
- C# asp.net导入和导出excel完整源码
- C#操作Mysql
- colour 288使用说明
- 用Global_Mapper自制重庆市等高线地形地图
- 离散数学答案（左孝凌版）
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