基于Faster R-CNN网络的海面目标检测方法

为解决强海杂波条件下虚警率高、杂波多普勒较宽、信杂比低或低速目标落入杂波多普勒通道时海面目标难以检测的难题,提出了基于深度卷积网络(Faster R-CNN)的海面目标检测算法.利用深度卷积神经网络自动提取特征的能力,对输入含有目标的海面回波样本进行一系列非线性操作,逐层提取样本中目标抽象的特征;然后利用提取的特征对未知目标样本进行检测和定位,检测是否含有目标以及目标的位置.最后在实测南非海杂波数据集上进行实验验证,所提方法在虚警率为10-3时,海面目标的检测率高达57.98％,比传统的恒虚警率检测提高约28％,比稀疏可调Q小波变换检测方法提高了 21％,验证了该方法的准确性和有效性,为海面目标检测提供了新的技术途径.