典型文献
结合强化学习自适应候选框挑选的SAR目标检测方法
文献摘要：
大场景合成孔径雷达(SAR)图像相对于通用光学图像，复杂背景杂波对目标特征提取影响更大，由于传统基于候选框的深度目标检测算法会在整张特征图上产生大量冗余候选框，因而在SAR图像复杂背景杂波影响下会产生大量的虚警，降低目标检测精度。针对该问题，该文基于Faster R-CNN检测模型，提出结合强化学习自适应候选框挑选的SAR目标检测方法。该方法能够通过强化学习自适应搜索特征图中可能含有目标的区域，并挑选搜索区域内的候选框继续进行分类、回归。通过准确搜索到含有目标的区域，可以减少复杂背景杂波的影响并减少传统强化学习应用于检测问题的计算量。所提方法利用强化学习序列决策的特点，能够根据图像信息通过强化学习迭代搜索自适应确定图像中可能含有目标的搜索区域的位置。同时，该方法通过在强化学习中使用距离约束，可以根据之前的搜索结果自适应调整下一次搜索区域的尺寸。基于实测数据的实验结果表明，所提方法能够提升传统深度学习目标检测方法的检测性能。
文献关键词：
合成孔径雷达;目标检测;强化学习;Faster;R-CNN算法
中图分类号：
作者姓名：
杜兰;王梓霖;郭昱辰;杜宇昂;严俊坤
作者机构：
西安电子科技大学雷达信号处理国家重点实验室 西安 710071;西安电子科技大学前沿交叉研究院 西安 710071
文献出处：
引用格式：
[1]杜兰;王梓霖;郭昱辰;杜宇昂;严俊坤-.结合强化学习自适应候选框挑选的SAR目标检测方法
)[J].雷达学报,2022(05):884-896
A类：
B类：
强化学习,候选框,SAR,目标检测方法,大场景,合成孔径雷达,光学图像,复杂背景,杂波,目标特征,目标检测算法,法会,整张,特征图,检测精度,Faster,检测模型,学习应用,检测问题,计算量,法利,学习序列,图像信息,迭代搜索,距离约束,自适应调整,学习目标,检测性能
AB值：
0.284582
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。
