FasterRCNN处理SAR雷达图像目标检测

多尺度近岸船只SAR图像检测

Part I 背景

在海岸交界处的不同尺度船只使用传统方法检测效果不佳。陆地与海岸背景出现明显的区别，容易漏检，错检。

因此使用深度学习的方法对对船只进行检测能有效提高检测效果。

在预训练的 fasterRcnn 网络参数基础上，使用公开 SAR 图像数据集 SSDD 进行微调。

Part II 训练过程以及结果

根据 pytorch 中预训练的 fasterRcnn 参数，使用 SAR 图像微调。在训练100轮后，在测试集上进行测试。准确度达到 0.84。

针对四种不同场景，测试结果如下

测试实例	ground truth

水面场景

测试实例	ground truth

复杂水面场景

测试实例	ground truth

近岸水面场景

测试实例	ground truth

复杂近岸水面场景

Part III 问题和讨论

• 使用fasterRcnn检测效果已经很棒了。但是针对近岸场景，常常使用海岸线分割先将陆地与海面分割，之后在进行检测。这里直接使用预训练好的参数进行微调，没有对水面进行一个分割。
• 完成从确定模型骨架，图像预处理，训练，测试一整套流程，为进一步学习打下基础。