雷达学报

作者：张晓玲, 张天文, 师君, 韦顺军

单位：电子科技大学信息与通信工程学院 成都 611731；

关键词：卷积神经网络, 深度分离卷积神经网络, SAR, 舰船检测, 注意力机制

基金：国家自然科学基金(61571099, 61501098, 61671113)，国家重点研发计划(2017YFB0502700)

随着人工智能的兴起，利用深度学习技术实现SAR舰船检测，能够有效避免传统的复杂特征设计，并且检测精度获得了极大的改善。然而，现如今大多数检测模型往往以牺牲检测速度为代价来提高检测精度，限制了一些SAR实时性应用，如紧急军事部署、迅速海难救援、实时海洋环境监测等。为了解决这个问题，该文提出一种基于深度分离卷积神经网络(DS-CNN)的高速高精度SAR舰船检测方法SARShipNet-20，该方法取代传统卷积神经网络(T-CNN)，并结合通道注意力机制(CA)和空间注意力机制(SA)，能够同时实现高速和高精度的SAR舰船检测。该方法在实时性SAR应用领域具有一定的现实意义，并且其轻量级的模型有助于未来的FPGA或DSP的硬件移植。

来源：2019年第6期

《雷达学报》期刊编辑部

查看雷达学报杂志2019年第6期