一种面向SAR图像快速舰船检测的轻量化网络OA北大核心CSTPCD
在基于深度学习的合成孔径雷达(SAR)图像舰船检测领域,传统的模型通常结构复杂、计算量大,难以适配低算力平台并实现实时检测;同时,依赖于预设锚框的卷积神经网络因锚框位置较难合理设置,容易导致大量计算冗余。针对上述问题,提出一种基于无锚框的端到端轻量化卷积神经网络,设计了一种轻量的通道注意力模块(EESE)并将其应用于解耦合检测头(ED-head)上,有效解决了分类和定位2种任务的冲突。此外,提出一种优化的EIOU损失函数,在保证推理速度几乎不变的…查看全部>>
周文雪;张华春
中国科学院空天信息创新研究院,北京100190 中国科学院大学电子电气与通信工程学院,北京100049中国科学院空天信息创新研究院,北京100190 中国科学院大学电子电气与通信工程学院,北京100049
计算机与自动化
合成孔径雷达(SAR)舰船检测深度学习轻量化网络无锚框目标检测
《中国科学院大学学报（中英文）》 2024 (6)
P.776-785,10
国家自然科学基金(61901445)北京市自然科学基金(4192065)资助。
评论