典型文献
基于特征叠加网络的SAR海上舰船运动状态感知方法
文献摘要：
针对合成孔径雷达(SAR)图像中的舰船检测与分类问题,常规的图像处理技术或者机器学习方式难以准确检测出海上舰船的类别以及当前舰船运行状态.因海上舰船目标具有相对于SAR图像尺寸较小、方位难以测算以及容易与其他目标混淆的特点,针对上述问题设计了端到端的海上舰船分类与状态感知模型,加入特征金字塔以达到拥有对于微小目标提取其深度特征,同时又保留其相对位置的目的;使用残差结构以解决特征融合网络层数增加导致的梯度消失问题;最后加入舰船状态感知模块,使其最终可以得到海上舰船目标相对于图像的角度值.使用公开SAR卫星图像进行了多次实验,最终体现出提出的端到端的模型具有较高的识别率以及良好的舰船状态估计能力.
文献关键词：
合成孔径雷达图像;目标检测;特征叠加网络;深度神经网络
中图分类号：
作者姓名：
崔雷;庄磊;张泽栋;魏松杰
作者机构：
上海卫星工程研究所,上海 200240;南京理工大学 计算机科学与工程学院,江苏 南京210094
文献出处：
引用格式：
[1]崔雷;庄磊;张泽栋;魏松杰-.基于特征叠加网络的SAR海上舰船运动状态感知方法)[J].上海航天（中英文）,2022(06):75-83
A类：
特征叠加网络
B类：
SAR,船运,运动状态,状态感知,感知方法,舰船检测,分类问题,图像处理技术,学习方式,出海,海上舰船目标,图像尺寸,问题设计,端到端,感知模型,特征金字塔,小目标,目标提取,深度特征,相对位置,残差结构,特征融合网络,网络层,层数,梯度消失,船状,感知模块,卫星图像,识别率,状态估计,合成孔径雷达图像,目标检测,深度神经网络
AB值：
0.331204
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
