典型文献
基于改进R-FCN的SAR图像识别
文献摘要：
由于深度学习在目标识别方面取得了显著的成绩,为提高合成孔径雷达(synthetic aperture radar,SAR)图像目标识别的精度与速度提供了新的思路.本文将区域全卷积网络(region-based fully convolutional net-works,R-FCN)结构应用于SAR图像目标识别中,取得了良好的效果.对于数据集较小和数据相似度较高的问题,提出了基于迁移学习的R-FCN模型用于SAR图像目标识别.对更快的区域卷积神经网络(faster region con-volutional neural networks,Faster R-CNN)和R-FCN进行模型训练及优化,并与所提出的基于迁移学习的改进R-FCN模型实验结果进行对比.结果表明,所提方法对SAR图像具有更好的识别效果和更快的识别速度.
文献关键词：
机器视觉;目标识别;合成孔径雷达;全卷积网络;迁移学习
中图分类号：
作者姓名：
周晓玲;张朝霞;鲁雅;王倩;王琨琨
作者机构：
太原理工大学物理与光电工程学院,山西太原030024
文献出处：
引用格式：
[1]周晓玲;张朝霞;鲁雅;王倩;王琨琨-.基于改进R-FCN的SAR图像识别)[J].系统工程与电子技术,2022(04):1202-1209
A类：
B类：
FCN,SAR,图像识别,目标识别,合成孔径雷达,synthetic,aperture,radar,全卷积网络,region,fully,convolutional,结构应用,数据相似度,迁移学习,区域卷积神经网络,faster,neural,networks,Faster,模型训练,模型实验,机器视觉
AB值：
0.324957
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。
