雷达学报

作者：孙显, 王智睿, 孙元睿, 刁文辉, 张跃, 付琨

单位：1.中国科学院空天信息创新研究院 北京 100190；2.中国科学院大学 北京 100190；3.中国科学院网络信息体系技术科技创新重点实验室 北京 100190；

关键词：SAR舰船检测, 公开数据集, 深度学习

基金：国家自然科学基金(61725105, 41801349, 41701508)，国家高分辨率对地观测系统重大专项（GFZX0404120405）

近年来，深度学习技术得到广泛应用，然而在合成孔径雷达(SAR)舰船目标检测研究中，由于数据获取难、样本规模小，尚难以支撑深度网络模型的训练。该文公开了一个面向高分辨率、大尺寸场景的SAR舰船检测数据集，该数据集包含31景高分三号SAR图像，场景类型包含港口、岛礁、不同级别海况的海面等，背景涵盖近岸和远海等多样场景。同时，该文使用经典舰船检测算法和深度学习算法进行了实验，其中基于密集连接端到端网络方法效果最佳，平均精度达到88.1%。通过实验对比分析形成指标基准，方便其他学者在此数据集基础上进一步展开SAR舰船检测相关研究。

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