2025年2月4日
星期二
|
欢迎来到佛山市图书馆•公共文化服务平台
登录
|
注册
|
进入后台
[
APP下载]
[
APP下载]
扫一扫,既下载
全民阅读
职业技能
专家智库
参考咨询
您的位置:
专家智库
>
>
李珍珍
作品数:
1
被引量:2
H指数:1
供职机构:
北京理工大学信息与电子学院
更多>>
发文基金:
国家自然科学基金
国家高技术研究发展计划
更多>>
相关领域:
电子电信
更多>>
合作作者
冯帆
北京理工大学信息与电子学院
赵博雅
北京理工大学信息与电子学院
邓宸伟
北京理工大学信息与电子学院
赵保军
北京理工大学信息与电子学院
作品列表
供职机构
相关作者
所获基金
研究领域
题名
作者
机构
关键词
文摘
任意字段
作者
题名
机构
关键词
文摘
任意字段
在结果中检索
文献类型
1篇
中文期刊文章
领域
1篇
电子电信
主题
1篇
低复杂度
1篇
星载
1篇
星载SAR
1篇
神经网
1篇
神经网络
1篇
网络
1篇
目标检测
1篇
卷积
1篇
卷积神经网络
1篇
舰船
1篇
舰船检测
1篇
复杂度
机构
1篇
北京理工大学
作者
1篇
赵保军
1篇
邓宸伟
1篇
赵博雅
1篇
李珍珍
1篇
冯帆
传媒
1篇
北京交通大学...
年份
1篇
2017
共
1
条 记 录,以下是 1-1
全选
清除
导出
排序方式:
相关度排序
被引量排序
时效排序
基于低复杂度卷积神经网络的星载SAR舰船检测
被引量:2
2017年
星载SAR(合成孔径雷达)舰船检测广泛应用于海上救援和国土安全防护等领域.鉴于传统的检测方法仍存在虚警率高等缺点,本文将具有强大表征能力的卷积神经网络(CNN)引入到星载SAR舰船检测中,面向SAR舰船检测的精准快速的需求,提出了基于低复杂度CNN的星载SAR舰船检测算法.算法结合星载SAR图像的特点,利用ROI提取方法实现目标粗提取,得到可疑目标切片及其对应的位置信息;通过构建的低复杂度CNN对所有的可疑目标切片进行精确分类,确定舰船目标,从而实现舰船目标检测.实验测试结果表明:本文提出的算法可以实现精准的星载SAR舰船检测;与传统双参数CFAR目标检测和基于现有深度网络框架(LeNet、GoogLeNet)的检测算法相比,该算法检测性能更好、检测时间更短,可有效降低检测漏检率和虚警率.
赵保军
李珍珍
赵博雅
冯帆
邓宸伟
关键词:
目标检测
卷积神经网络
低复杂度
全选
清除
导出
共1页
<
1
>
聚类工具
0
执行
隐藏
清空
用户登录
用户反馈
标题:
*标题长度不超过50
邮箱:
*
反馈意见:
反馈意见字数长度不超过255
验证码:
看不清楚?点击换一张