一种用于SAR图像分割的深度可变形残差学习网络
图像与视频处理
2023-08-16 v1
摘要
合成孔径雷达(SAR)图像中可靠的自动目标分割在SAR领域发挥着重要作用。不同于传统的谱残差(SR)与CFAR检测器方法，随着机器学习理论的近期进展，出现了一种基于深度学习网络的SAR目标分割新方法。本文中，我们提出了一种用于目标分割的深度可变形残差学习网络，试图保留目标的精确轮廓。为此，应用了可变形卷积层与残差学习块，以尽可能多地提取并保留目标的几何信息。基于运动与静止目标获取与识别(MSTAR)数据集，实验结果表明所提网络在精确目标分割方面的优越性。
引用
@article{arxiv.2308.07627,
title = {A deep deformable residual learning network for SAR images segmentation},
author = {Chenwei Wang and Jifang Pei and Yulin Huang and Jianyu Yang},
journal= {arXiv preprint arXiv:2308.07627},
year = {2023}
}