【技术实现步骤摘要】
本专利技术属于合成孔径雷达舰船目标识别,尤其涉及基于恒虚检测与cam的弱监督sar图像目标检测方法。
技术介绍
1、合成孔径雷达(synthetic aperture radar,sar)图像舰船目标检测在海洋目标感知、情报侦察等方面发挥了重要作用。基于深度学习的图像目标检测已经十分成熟并应用于各个方面,因此,基于深度学习的图像目标检测方法也被应用于sar图像舰船目标检测中,并取得了很好的效果。
2、然而,此类方法均为大数据驱动,即需要大量精确的实例级标注。在星载sar图像中,目标所占的像素个数远低于背景像素个数,此外,由于海杂波的影响,部分背景与目标难以区分。因此,人工标注工作量巨大且标注困难,需要花费大量人力。
3、在弱监督目标检测任务中,标注信息只有图像级标签,没有图像中目标实例的标注信息,可以大大降低人工标注成本。对于弱监督下的sar图像舰船目标检测问题,训练集的图像具有两种标签,有船和无船。如何能够在仅有图像级标注的情况下对sar图像中的舰船目标进行检测是亟待解决的难题。
技
<本文档来自技高网...【技术保护点】
1.基于恒虚检测与CAM的弱监督SAR图像目标检测方法,其特征在于,采用弱监督目标检测网络实现,所述弱监督目标检测网络包括特征提取网络;
2.如权利要求1所述的基于恒虚检测与CAM的弱监督SAR图像目标检测方法,其特征在于,所述弱监督目标检测网络训练过程中,SAR图像的图像级标签通过恒虚检测器和场景分类网络共同确定。
3.如权利要求2所述的基于恒虚检测与CAM的弱监督SAR图像目标检测方法,其特征在于,确定所述SAR图像的图像级标签包括:
4.如权利要求3所述的基于恒虚检测与CAM的弱监督SAR图像目标检测方法,其特征在于,根据所述
...【技术特征摘要】
1.基于恒虚检测与cam的弱监督sar图像目标检测方法,其特征在于,采用弱监督目标检测网络实现,所述弱监督目标检测网络包括特征提取网络;
2.如权利要求1所述的基于恒虚检测与cam的弱监督sar图像目标检测方法,其特征在于,所述弱监督目标检测网络训练过程中,sar图像的图像级标签通过恒虚检测器和场景分类网络共同确定。
3.如权利要求2所述的基于恒虚检测与cam的弱监督sar图像目标检测方法,其特征在于,确定所述sar图像的图像级标签包括:
4.如权利要求3所述的基于恒虚检测与cam的弱监督sar图像目标检测方法,其特征在于,根据所述类激活映射图修正所述恒虚检测器输出的第一区域标签包括:
5.如权利要求1所述的基于恒虚检测与cam的弱监督sar图像目标检测方法,其特征在于,融合所述分类检测结果和分类贡献度包括:
【专利技术属性】
技术研发人员:刘准钆,周书倩,张作伟,潘泉,兰华,
申请(专利权)人:西北工业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。