典型文献
结合贝叶斯分类器与伪孪生网络的SAR舰船目标检测
文献摘要：
为了发挥合成孔径雷达(synthetic aperture radar,SAR)检测系统在军事和航海领域的重要作用,提升高分辨率SAR图像目标检测的精度,提出了基于贝叶斯分类器与轻量伪孪生网络(pseudo-siamese network,PSN)的SAR舰船目标检测算法.针对大部分卷积神经网络(convolutional neural networks,CNN)目标检测模型因参数多、模型大而不利于移动端嵌入式使用的特点,利用视觉显著结合贝叶斯分类,获得舰船疑似切片,降低数据量.引入一维直方图信息,在PSN的基础上自主设计了SAR舰船目标检测框架.基于HRSID数据集进行检测实验,并与各种基于深度学习的目标检测算法进行比较,检测结果表明了所构建模型的有效性.
文献关键词：
SAR舰船目标检测;深度学习;伪孪生网络;视觉显著;贝叶斯分类器
中图分类号：
作者姓名：
张潘东;韩玉兵;管礼
作者机构：
南京理工大学电子工程与光电技术学院,南京 210094
文献出处：
引用格式：
[1]张潘东;韩玉兵;管礼-.结合贝叶斯分类器与伪孪生网络的SAR舰船目标检测)[J].中国科技论文,2022(11):1296-1302
A类：
B类：
贝叶斯分类器,伪孪生网络,SAR,舰船目标检测,合成孔径雷达,synthetic,aperture,radar,航海领域,图像目标检测,pseudo,siamese,PSN,目标检测算法,分卷,convolutional,neural,networks,目标检测模型,移动端,视觉显著,数据量,直方图,图信息,上自,自主设计,检测框架,HRSID,构建模型
AB值：
0.305674
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。
