基于改进CenterNet的轻量级无锚框SAR图像多尺度舰船检测算法

作     者：谢洪途 姜新桥 王国倩 谢恺 XIE Hongtu;JIANG Xinqiao;WANG Guoqian;XIE Kai

作者机构：中山大学(深圳)电子与通信工程学院广东深圳518107 广州医科大学第五附属医院广东广州510700 

出 版 物：《哈尔滨工程大学学报》 (Journal of Harbin Engineering University)

年 卷 期：2024年第45卷第3期

页      面：504-516页

核心收录：

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 081105[工学-导航、制导与控制] 081001[工学-通信与信息系统] 081002[工学-信号与信息处理] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金项目(62203465,62201614) 广东省基础与应用基础研究基金项目(2023A1515011588,2021A1515010768) 深圳市科技计划(202206193000001,20220815171723002) 

主　　题：合成孔径雷达图像 复杂场景 多尺度训练 舰船检测 改进CenterNet 轻量级 无锚框 数据增强 

摘      要：针对复杂场景下多尺度舰船检测精度较差、效率较低、泛化性较弱等问题,本文构建了一个轻量级无锚框的合成孔径雷达图像舰船检测框架。为满足合成孔径雷达图像舰船实时检测的需求,提出了基于改进CenterNet的轻量级无锚框合成孔径雷达图像舰船检测方法,通过预测目标关键点的信息及检测框的相关属性,实现了合成孔径雷达图像舰船快速准确定位与检测。为解决合成孔径雷达图像样本稀缺的问题,采用了适用于合成孔径雷达舰船图像的数据增强方法以扩充训练样本,并引入了多尺度训练以增强模型泛化性能。实验结果表明:本文方法具有检测效率高、检测精度好、泛化性能强等优势,能实现复杂场景下多尺度舰船的实时高精度检测。