面向舰船目标检测的SAR图像数据PCGAN生成方法OA北大核心CSTPCD
针对现有合成孔径雷达(SAR)图像数据生成方法大多无法同时生成舰船图像及其检测标签的问题,面向SAR舰船图像生成及目标检测任务,构建基于位置信息的条件生成对抗网络(PCGAN).首先,提出将舰船位置信息作为约束条件用于限制生成图像中舰船的位置,并将其作为舰船图像的检测标签;随后,引入Wasserstein距离稳定PCGAN的训练过程;最后,利用生成的SAR舰船图像及对应检测标签完成YOLOv3网络的端到端训练,实现舰船数据增强与目标检测的协同学习,进而获得更耦合目标检测实际应用的多样性数据.在HRSID(high resolution SAR image dataset)数据集上的实验结果表明,PCGAN方法能生成清晰、鲁棒的SAR舰船数据,舰船检测准确度最高提升1.01%,验证了所提出方法的有效性.
潘磊;郭宇诗;李恒超;王伟业;李泽琛;马天宇;
中国电子科技集团公司第十研究所,四川成都610036西南交通大学计算机与人工智能学院,四川成都611756西南交通大学信息科学与技术学院,四川成都611756 西南交通大学综合交通大数据应用技术国家工程实验室,四川成都611756西南交通大学信息科学与技术学院,四川成都611756
计算机与自动化
合成孔径雷达生成对抗网络数据增强舰船检测位置信息
《西南交通大学学报》 2024 (003)
P.547-555 / 9
国家自然科学基金(62001437,61871335);中央高校基本业务费专项资金(2682020ZT35)。
评论