期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于注意力机制特征融合网络的SAR图像飞机目标快速检测
被引量：
14
1
作者
赵琰
赵凌君
匡纲要
《电子学报》
EI
CAS
CSCD
北大核心
2021年第9期1665-1674,共10页
针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像中飞机目标散射点离散化程度高,周围背景干扰复杂,现有算法对飞机浅层语义特征表征能力弱等问题,本文提出了基于注意力特征融合网络(Attention Feature Fusion Network,AFFN)的SAR...
针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像中飞机目标散射点离散化程度高,周围背景干扰复杂,现有算法对飞机浅层语义特征表征能力弱等问题,本文提出了基于注意力特征融合网络(Attention Feature Fusion Network,AFFN)的SAR图像飞机目标检测算法.通过引入瓶颈注意力模块(Bottleneck Attention Module,BAM),本文在AFFN中构建了包含注意力双向特征融合模块(Attention Bidirectional Feature Fusion Module,ABFFM)与注意力传输连接模块(Attention Transfer Connection Block,ATCB)的注意力特征融合策略并合理优化了网络结构,提升了算法对飞机离散化散射点浅层语义特征的提取与判别.基于自建的Gaofen-3与TerraSAR-X卫星图像混合飞机目标实测数据集,实验对AFFN与基于深度学习的通用目标检测以及SAR图像特定目标检测算法进行了比较,其结果验证了AFFN对SAR图像飞机目标检测的准确性与高效性.
展开更多
关键词
注意力机制
特征融合
飞机目标快速检测
SAR图像
卷积神经网络
在线阅读
下载PDF
职称材料
复杂环境大场景SAR图像飞机目标快速检测
被引量：
12
2
作者
赵琰
赵凌君
匡纲要
《电波科学学报》
EI
CSCD
北大核心
2020年第4期594-602,共9页
随着人工智能与合成孔径雷达(synthetic aperture radar,SAR)技术的发展,基于卷积神经网络(convolutional neural network,CNN)的SAR图像自动目标识别技术取得了一定的突破.然而,由于飞机自身结构以及SAR成像机制的复杂性,在复杂环境大...
随着人工智能与合成孔径雷达(synthetic aperture radar,SAR)技术的发展,基于卷积神经网络(convolutional neural network,CNN)的SAR图像自动目标识别技术取得了一定的突破.然而,由于飞机自身结构以及SAR成像机制的复杂性,在复杂环境大场景SAR图像中对飞机目标进行快速准确的检测依然存在挑战.为提升算法的检测能力,本文对现有检测算法的处理流程进行了分析与总结,并提出了一种复杂环境大场景SAR图像飞机目标快速检测算法.算法优化了整体检测流程,设计了基于灰度特征的机场区域精细化提取和基于CNN的飞机目标粗检测两大子模块,并采用了YOLOv3网络对机场区域以及飞机目标分别进行初步的提取与检测.实验结果表明,本文算法对复杂环境大场景SAR图像中的飞机目标具有高效的检测能力.
展开更多
关键词
飞机目标快速检测
复杂场景
合成孔径雷达(SAR)
自动
目标
识别(ATR)
YOLOv3
卷积神经网络(CNN)
在线阅读
下载PDF
职称材料
题名
基于注意力机制特征融合网络的SAR图像飞机目标快速检测
被引量：
14
1
作者
赵琰
赵凌君
匡纲要
机构
国防科技大学电子信息系统与复杂电磁环境效应国家重点实验室
出处
《电子学报》
EI
CAS
CSCD
北大核心
2021年第9期1665-1674,共10页
基金
国家自然科学基金(No.61971426)。
文摘
针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像中飞机目标散射点离散化程度高,周围背景干扰复杂,现有算法对飞机浅层语义特征表征能力弱等问题,本文提出了基于注意力特征融合网络(Attention Feature Fusion Network,AFFN)的SAR图像飞机目标检测算法.通过引入瓶颈注意力模块(Bottleneck Attention Module,BAM),本文在AFFN中构建了包含注意力双向特征融合模块(Attention Bidirectional Feature Fusion Module,ABFFM)与注意力传输连接模块(Attention Transfer Connection Block,ATCB)的注意力特征融合策略并合理优化了网络结构,提升了算法对飞机离散化散射点浅层语义特征的提取与判别.基于自建的Gaofen-3与TerraSAR-X卫星图像混合飞机目标实测数据集,实验对AFFN与基于深度学习的通用目标检测以及SAR图像特定目标检测算法进行了比较,其结果验证了AFFN对SAR图像飞机目标检测的准确性与高效性.
关键词
注意力机制
特征融合
飞机目标快速检测
SAR图像
卷积神经网络
Keywords
attention feature fusion network(AFFN)
feature fusion
rapid aircraft detection
synthetic aperture radar(SAR)images
convolutional neural network(CNN)
分类号
TN391 [电子电信—物理电子学]
在线阅读
下载PDF
职称材料
题名
复杂环境大场景SAR图像飞机目标快速检测
被引量：
12
2
作者
赵琰
赵凌君
匡纲要
机构
国防科技大学电子科学学院
国防科技大学电子信息系统复杂电磁环境效应国家重点实验室
出处
《电波科学学报》
EI
CSCD
北大核心
2020年第4期594-602,共9页
基金
国家自然科学基金(61971426)。
文摘
随着人工智能与合成孔径雷达(synthetic aperture radar,SAR)技术的发展,基于卷积神经网络(convolutional neural network,CNN)的SAR图像自动目标识别技术取得了一定的突破.然而,由于飞机自身结构以及SAR成像机制的复杂性,在复杂环境大场景SAR图像中对飞机目标进行快速准确的检测依然存在挑战.为提升算法的检测能力,本文对现有检测算法的处理流程进行了分析与总结,并提出了一种复杂环境大场景SAR图像飞机目标快速检测算法.算法优化了整体检测流程,设计了基于灰度特征的机场区域精细化提取和基于CNN的飞机目标粗检测两大子模块,并采用了YOLOv3网络对机场区域以及飞机目标分别进行初步的提取与检测.实验结果表明,本文算法对复杂环境大场景SAR图像中的飞机目标具有高效的检测能力.
关键词
飞机目标快速检测
复杂场景
合成孔径雷达(SAR)
自动
目标
识别(ATR)
YOLOv3
卷积神经网络(CNN)
Keywords
fast aircraft detection
complex scenes
synthetic aperture radar(SAR)
automatic target recognition(ATR)
YOLOv3
convolutional neural network(CNN)
分类号
TN957.52 [电子电信—信号与信息处理]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于注意力机制特征融合网络的SAR图像飞机目标快速检测
赵琰
赵凌君
匡纲要
《电子学报》
EI
CAS
CSCD
北大核心
2021
14
在线阅读
下载PDF
职称材料
2
复杂环境大场景SAR图像飞机目标快速检测
赵琰
赵凌君
匡纲要
《电波科学学报》
EI
CSCD
北大核心
2020
12
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
