基于难例挖掘和定位损失的虚警抑制方法研究
合成孔径雷达(SAR)图像船只检测可以实现广域视场内快速发现船只目标，在军事侦察、海洋航运管控等领域有着广泛的应用。针对SAR 图像船只目标检测中存在的虚警率高的问题，采用难样本挖掘与基于区域的定位损失相结合的方法，实现对图像中难分目标的有效区分。在卷积神经网络困难样本训练方法分析的基础上，通过筛选难易样本，并更多地选择困难样本进行迭代训练，从而学习到困难样本的特征，提升对困难样本的区分度。同时为保证样本筛选过程中的尺度不变性，让网络同等对待不同尺度的样本，采用基于区域的定位损失，与难样本挖掘更好地结合。通过在公开数据集上的实验验证，证明了该方法可以有效降低检测的虚警率。
合成孔径雷达 目标检测 卷积神经网络 难例挖掘
张博程 李致衡 师皓 陈亮 崔子涵 何成
北京理工大学信息与电子学院雷达技术研究所,北京 100081;嵌入式实时信息处理技术北京市重点实验室,北京 100081;北京理工大学重庆创新中心,重庆 401120 北京理工大学信息与电子学院雷达技术研究所,北京 100081;嵌入式实时信息处理技术北京市重点实验室,北京 100081
国内会议
重庆
中文
304-310
2022-04-10（万方平台首次上网日期，不代表论文的发表时间）