面向大场景SAR图像增强目标检测的高效表示学习
计算机视觉与模式识别
2022-01-25 v1
摘要
在复杂大场景合成孔径雷达(SAR)图像上检测和识别目标是一个具有挑战性的问题。近期发展的深度学习算法能够自动学习SAR图像的内在特征，但在数据有限的大场景SAR图像上仍有很大改进空间。本文基于SAR图像的表示学习与多尺度特征，提出一种高效且鲁棒的目标检测深度学习方法。特别地，通过利用对抗自编码器(AAE)的有效性——其显式影响所研究数据的分布——将原始SAR数据集增广为具有大量与多样性的增强版本。此外，提出一种自动标注方案以提高标注效率。最后，通过联合训练小目标切片与大场景图像，采用结合子图像非极大值抑制的集成YOLO网络实现高分辨率图像的多目标检测。在MSTAR数据集上的数值实验结果表明，我们的方法能够准确高效地实现大场景图像的目标检测与识别。实验也证实了其优越的抗噪性能。
引用
@article{arxiv.2201.08958,
title = {Learning Efficient Representations for Enhanced Object Detection on Large-scene SAR Images},
author = {Siyan Li and Yue Xiao and Yuhang Zhang and Lei Chu and Robert C. Qiu},
journal= {arXiv preprint arXiv:2201.08958},
year = {2022}
}