| 摘要: |
| 近几年，随着深度学习的发展，基于深度学习的目标检测算法开始应用于合成孔径雷达(SAR)图像中的舰船检测。但深度学习模型结构复杂，参数量与计算量巨大，无法应用到星载处理器的实时处理中。本文提出一种结合了Faster-RCNN和卷积通道剪枝的舰船检测方法，在保证检测精度不受较大影响的情况下，剪除卷积层中的部分参数，提高检测效率。实验表明:经过剪枝优化的Faster-RCNN舰船检测模型中的参数量降低了约56%，而推理时间减少了约51%，同时精度下降仅有1.9%。这给未来在星载处理器上部署舰船检测算法提供了新的思路。 |
|
(1.Key Laboratory of Electromagnetic Wave and Information Science, Fudan University, Shanghai 200433, China;2.Shanghai Radio Equipment Research Institute, Shanghai 201109, China)
|
