基于通道剪枝的SAR图像舰船检测优化算法

发布时间：2021-03-10 18:55

　　近几年,随着深度学习的发展,基于深度学习的目标检测算法开始应用于合成孔径雷达（SAR）图像中的舰船检测。但深度学习模型结构复杂,参数量与计算量巨大,无法应用到星载处理器的实时处理中。本文提出一种结合了Faster-RCNN和卷积通道剪枝的舰船检测方法,在保证检测精度不受较大影响的情况下,剪除卷积层中的部分参数,提高检测效率。实验表明:经过剪枝优化的Faster-RCNN舰船检测模型中的参数量降低了约56%,而推理时间减少了约51%,同时精度下降仅有1.9%。这给未来在星载处理器上部署舰船检测算法提供了新的思路。 

【文章来源】：上海航天(中英文). 2020,37(04)

【文章页数】：7 页

【部分图文】：

RCNN系列算法

锚点生成

式中：下标x、y、w、h分别为边框的长和宽，以及中心点的坐标；tx、ty为平移量；tw、th为长和宽的缩放量；G为该候选框对应的真值边框；P为候选框。Faster-RCNN的损失函数如下：

【参考文献】：
期刊论文
[1]遥感图像中舰船检测方法综述[J]. 唐沐恩,林挺强,文贡坚.  计算机应用研究. 2011(01)

硕士论文
[1]SAR图像舰船目标检测方法研究[D]. 邢相薇.国防科学技术大学 2009



本文编号：3075116