文献3 基于改进型YOLOv3的SAR图像舰船目标检测
基于改进型YOLOv3的SAR图像舰船目标检测
0.概述
本文主要介绍了新提出的一种改进型YOLOv3的SAR图像船舰目标检测方法，此方法依据船舰尺寸与形状自适应采样的可变形卷积、ResNet50变体特征提取器和ShuffleNetv2（参见博客介绍)轻量化思想等设计YOLOv3模型。在SSDD数据集上验证，检测效果上比原YOLOv3模型，平均精度从93.21%提高到96.94%。检测概率从95.51%提高至97.75%；模型大小方面，轻量化设计模型仅为原来模型的八分之一。
1.研究目标
利用改进型的YOLOv3模型实现SAR图像的船舰检测。
创新点：
PS：
平均池化作用—保留背景信息。当全局信息均有贡献时，求平均将导致特征差异减小；代替全连接层时平均池化可以支持任意大小的输入。
最大池化—主要用于降维，提取出特征差异最大的值。
2.背景与问题
背景
SAR图像船舰目标检测应用广泛，民用领域上有助于海运检测与管理；军事领域上有利于战术部署，提高海防预警能力。
问题
传统的SAR图像目标检测方法多依赖于人工手动设计提取复杂特征，取得的效果泛化能力较差。
3.方法
- 保留了原网络效果好的部分：如融合特征金字塔结构进行多尺度预测以便于识别不同尺度的舰船目标；损失函数对小目标的偏重思想以防止小舰船目标预测错误对整体损失函数无太大影响，使得网络能够注意到小目标。
- 采用ResNet50网络（ResNet网络采用残差连接的方式可解决神经网络增加深度的同时梯度消失的问题）基本结构作为特征提取网络，有效降低参数量与重复特征数量。
- 在特征提取网络最后一个阶段采用可变形卷积—基本思想是对采样点学习一个偏移，使得卷积核专注于感兴趣区域Or目标而不是固定位置的采样。
4.评价
此文使用的改进算法在SSDD测试集上mAP提高至96.64%，模型大小降至172MB.此文算法抗干扰性很好，复杂背景情况下依旧可以正确识别船舰目标。但是对于近海岸目标和岛屿等目标存在着识别问题。
5.结论
改进的模型较原来的模型检测效果和精度都有很大的提高，对于未来的轻量化网络研究意义非凡。
文献3 基于改进型YOLOv3的SAR图像舰船目标检测相关推荐
- 双向特征融合的数据自适应SAR图像舰船目标检测模型
双向特征融合的数据自适应SAR图像舰船目标检测模型 人工智能技术与咨询 昨天 本文来自<中国图象图形学报>,作者张筱晗等 摘要: 利用合成孔径雷达(synthetic aperture r ...
- 目标检测论文解读复现之五：改进YOLOv5的SAR图像舰船目标检测
目标检测论文解读复现 文章目录 目标检测论文解读复现 前言 一.摘要 二.网络模型及核心创新点 三.应用数据集 四.实验效果(部分展示) 五.实验结论 六.投稿期刊介绍 前言 此前出了目标改进算法专栏 ...
- 目标检测论文解读复现之十五：基于YOLOv5的光学遥感图像舰船 目标检测算法
前言 此前出了目标改进算法专栏,但是对于应用于什么场景,需要什么改进方法对应与自己的应用场景有效果,并且多少改进点能发什么水平的文章,为解决大家的困惑,此系列文章旨在给大家解读最新目标检测算法论文,帮 ...
- SAR图像飞机目标检测识别进展
目标检测与识别是高分辨合成孔径雷达(SAR)领域的热点问题.机场上飞机作为一种典型目标,其检测与识别具有一定的独特性.在检测与识别的过程中,如何将深度学习和目标电磁散射机理结合.提高网络或模型的泛化能 ...
- 基于超分辨率的遥感图像小目标检测
这是一篇基于遥感图像小目标检测的文章,没有代码,只是为了学习学习思路而已,这篇文章针对遥感图像小目标检测困难问题,提出了一种模型,即将原始图像和简化后的图像同时输入检测网络,设计了简化后的图像超分辨率 ...
- 目标检测YOLO实战应用案例100讲-基于深度学习的航拍图像YOLOv5目标检测研究及应用(论文篇)
目录 基于深度学习的航拍图像目标检测研究 航拍图像目标检测 评价指标与数据集
- 基于光学遥感图像的舰船目标检测技术研究——尹雅
论文阅读笔记 摘要 针对光学遥感图像,围绕舰船目标检测的一般处理流程, 综述了目前各环节采用的主要处理方法, 分析比较了各方法的优劣, 指出了各环节面临的瓶颈问题, 阐述了自然图像上的检测方法应用于舰 ...
- isar舰船 matlab,一种isar图像舰船目标特征提取方法
一种isar图像舰船目标特征提取方法 [技术领域] [0001] 本发明涉及一种ISAR图像舰船目标特征方法,属于图像处理领域. [0002] 适用于岸基/船载ISAR雷达成像平台,对ISAR图像进行 ...
- 自动驾驶采标系列三：基于图像的目标检测技术
标注猿的第54篇原创 一个用数据视角看AI世界的标注猿 上一篇文章我们从"环境感知"数据的采集设备上进行了详细说明,已经了解了相应设备采集的数据及采集前 ...
最新文章
- MATLAB中inputdlg的使用
- cifar-10 cnn 分类
- 【Python基础】不服不行，Python 操作 JSON 的门道也这么多~
- linux命令行sip电话,基于Linux和MiniGUI的SIP电话终端设计
- Java OutputStream close（）方法与示例
- 工业机器人几个自由度_工业机器人有多少个运动自由度呢？
- string赋值-单引号和双引号的区别（php）
- maven学习（一）
- Python爬虫入门教程 12-100 半次元COS图爬取
- 推荐两款好用的企业级内网穿透软件
- 【编程题】构造两两相邻数之和为奇数的矩阵
- CF1292C Xenon‘s Attack on the Gangs
- “公式编辑器”的MT Extra字体无效，将无法显示和打印某些字符将。 请重新安装公式编辑器”，以便正确安装其字体。
- 计算机二级软件java_全国计算机等级考试使用的java软件版本
- 三种方法获取公众号文章素材的永久链接
- 【MVC-自定义过滤器】
- 旅行家问题2（TSP，奇怪的转化模型）
- 标题创建实体类商品，包含属性：商品名称，商品价格，包含2个属性的构造函数
- mysql游标 循环_MySQL游标循环问题？
- 三轴陀螺仪 偏置稳定性 光纤陀螺 光纤陀螺仪 光纤陀螺惯性导航系统 光纤陀螺惯性测量单元 六自由度IMU 单轴激光陀螺仪 双天线组合导航系统 双轴精确陀螺仪 导航级FOG怎么选择？