文件名称：基于半监督学习的SAR目标检测网络.pdf
文件大小：44.74MB
文件格式：PDF
更新时间：2023-03-25 06:05:24
sar 监督学习
现有的基于卷积神经网络(CNN)的合成孔径雷达(SAR)图像目标检测算法依赖于大量切片级标记的样 本，然而对SAR图像进行切片级标记需要耗费大量的人力和物力。相对于切片级标记，仅标记图像中是否含有目 标的图像级标记较为容易。该文利用少量切片级标记的样本和大量图像级标记的样本，提出一种基于卷积神经网 络的半监督SAR图像目标检测方法。该方法的目标检测网络由候选区域提取网络和检测网络组成。半监督训练过 程中，首先使用切片级标记的样本训练目标检测网络，训练收敛后输出的候选切片构成候选区域集；然后将图像 级标记的杂波样本输入网络，将输出的负切片加入候选区域集；接着将图像级标记的目标样本也输入网络，对输 出结果中的正负切片进行挑选并加入候选区域集；最后使用更新后的候选区域集训练检测网络。更新候选区域集 和训练检测网络交替迭代直至收敛。基于实测数据的实验结果证明，所提方法的性能与使用全部样本进行切片级 标记的全监督方法的性能相差不大。