申请/专利权人:杭州电子科技大学
申请日:2020-02-19
公开(公告)日:2020-07-03
公开(公告)号:CN111368653A
主分类号:G06K9/00(20060101)
分类号:G06K9/00(20060101);G06K9/62(20060101);G06N3/08(20060101);G06N3/04(20060101)
优先权:
专利状态码:在审-实质审查的生效
法律状态:2020.07.28#实质审查的生效;2020.07.03#公开
摘要:本发明公开了一种基于R‑D图与深度神经网络的低空小目标检测方法。本发明包括如下步骤:步骤1、对雷达接收机采集的回波信号进行预处理,获取信号的R‑D图;步骤2、构建深度卷积神经网络并利用网络预测R‑D图中每个局部区域分别属于目标和背景的类别概率,以及该区域包含目标时,其中心与目标位置之间的偏移量;步骤3、结合预测的类别概率和位置回归的偏移量,判断是否存在,以及存在目标时的目标位置。本发明在类别预测基础上增加了对目标位置的回归,并通过回归结果的投票统计获得目标的精确位置,从而可以实现预测精度更高、虚警率更低的雷达小目标检测效果。
主权项:1.一种基于R-D图与深度神经网络的低空小目标检测方法,其特征在于包括如下步骤:步骤1、对雷达接收机采集的回波信号进行预处理,获取信号的R-D图;步骤2、构建深度卷积神经网络并利用网络预测R-D图中每个局部区域分别属于目标和背景的类别概率,以及该区域包含目标时,其中心与目标位置之间的偏移量;步骤3、结合预测的类别概率和位置回归的偏移量,判断是否存在,以及存在目标时的目标位置。
全文数据:
权利要求:
百度查询: 杭州电子科技大学 一种基于R-D图与深度神经网络的低空小目标检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。