典型文献
基于深度学习的机载SAR典型目标识别算法
文献摘要：
在多分辨率场景下基于合成孔径雷达(SAR)图像进行多类典型目标识别,是SAR图像信息解译的重要环节.基于YOLO-v4网络模型,针对目前机载SAR图像及目标信息的特点,提出一种应用于真实机载平台下多场景跨分辨率的实时检测处理架构.文中通过对多类目标进行双重检测,对样本数据量低的训练集进行数据增强,并将图像分割后的同类型目标信息进行合并,解决了多分辨率SAR场景下目标尺度跨度较大的问题.实验结果表明:该方法能够在相关机载SAR数据集上达到六类目标(机场、桥梁、立交桥、汽车、装甲车、飞机)82.8％的mAP值,对后续机载SAR复杂场景下更多类型目标的检测识别具有重要的借鉴意义.
文献关键词：
合成孔径雷达;目标识别;YOLO;深度学习
中图分类号：
作者姓名：
何涛;李大亮;曹兰英
作者机构：
中国航空工业集团公司雷华电子技术研究所,江苏无锡214063
文献出处：
引用格式：
[1]何涛;李大亮;曹兰英-.基于深度学习的机载SAR典型目标识别算法)[J].现代雷达,2022(12):87-92
A类：
B类：
SAR,目标识别算法,多分辨率,合成孔径雷达,图像信息,信息解译,YOLO,v4,前机,目标信息,机载平台,台下,多场景,实时检测,类目,双重检测,数据量,训练集,数据增强,图像分割,行合并,标尺,上达,六类,立交桥,装甲车,mAP,复杂场景,多类型,检测识别,别具
AB值：
0.387982
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。
