系统工程与电子技术 ›› 2019, Vol. 41 ›› Issue (6): 1258-1264.doi: 10.3969/j.issn.1001-506X.2019.06.13
周龙1,2, 韦素媛2, 崔忠马1, 房嘉奇1, 杨小婷1, 杨龙2
ZHOU Long1,2, WEI Suyuan2, CUI Zhongma1, FANG Jiaqi1, YANG Xiaoting1, YANG Long2
摘要: 针对传统雷达图像目标检测方法在海杂波及多种干扰物组成的复杂背景下目标分类识别率低、虚警率高的问题,提出将当前热点研究的深度学习方法引入到雷达图像目标检测。首先分析了目前先进的YOLOv3检测算法优点及应用到雷达图像领域的局限,并构建了海杂波环境下有干扰物的舰船目标检测数据集,数据集包含了不同背景、分辨率、目标物位置关系等条件,能够较完备地满足实际任务需要。针对该数据集包含目标稀疏、目标尺寸小的特点,首先利用K means算法计算适合该数据集的锚点坐标;其次在YOLOv3的基础上提出改进多尺度特征融合预测算法,融合了多层特征信息并加入空间金字塔池化。通过大量对比实验,在该数据集上,所提方法相比原YOLOv3检测精度提高了6.07%。