劉潔瑜　趙彤　劉敏

摘? ?要：在合成孔徑雷達(dá)圖像艦船目標(biāo)檢測中，由于背景復(fù)雜多變，傳統(tǒng)的基于人工特征的目標(biāo)檢測方法效果較差. 基于深度學(xué)習(xí)中的單階段目標(biāo)檢測算法RetinaNet，結(jié)合合成孔徑雷達(dá)圖像本身特征信息較少的特點(diǎn)，采用了多特征層融合的思想，改進(jìn)了網(wǎng)絡(luò)特征提取能力，提出了相適應(yīng)的損失函數(shù)的計(jì)算方法. 采用SAR圖像艦船目標(biāo)檢測數(shù)據(jù)集（SSDD）對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并通過樣本增強(qiáng)和遷移學(xué)習(xí)的方法提升算法的魯棒性和收斂速度. 通過實(shí)驗(yàn)與其他基于深度學(xué)習(xí)的目標(biāo)檢測算法所得結(jié)果進(jìn)行比較，結(jié)果表明本算法具有更高的檢測精度.

關(guān)鍵詞：合成孔徑雷達(dá)（SAR）圖像;艦船目標(biāo)檢測;深度學(xué)習(xí);RetinaNet

中圖分類號(hào)：TP751.1? ? ? ? 文獻(xiàn)標(biāo)志碼：A

Abstract：In the detection of Synthetic Aperture Radar（SAR） image ship targets，the traditional artificial feature-based target detection method is less effective due to the complex background. Based on the single-stage target detection algorithm RetinaNet in deep learning，this paper combined the characteristics of SAR image with less feature information，adopted the idea of multi-feature layer fusion and proposed a more appropriate loss function calculation method. Then we used the SAR ship detection dataset（SSDD） data set to train the network，and improve the robustness and convergence speed of the algorithm through data augmentation and transfer learning. Finally，we compared the method with other target detection algorithms based on deep learning through experiments. The results show that our method has higher detection accuracy.

Key words：Synthetic Aperture Radar（SAR） image;ship target detection;deep learning;RetinaNet

SAR圖像是通過高頻率的電磁波與合成孔徑原理相結(jié)合對(duì)一片區(qū)域進(jìn)行主動(dòng)感知生成的高分辨率圖像，其成像受外界環(huán)境影響較小，可以主動(dòng)對(duì)目標(biāo)完成全天候和遠(yuǎn)距離的偵查[1]. 因此，基于SAR圖像的目標(biāo)檢測在敵艦偵察領(lǐng)域得到了廣泛的應(yīng)用. 傳統(tǒng)的SAR目標(biāo)檢測一般采用恒虛警率檢測算法，其采用檢測器統(tǒng)計(jì)SAR圖像中的每個(gè)像素點(diǎn)周圍雜波的分布特性，自適應(yīng)生成檢測閾值，并將目標(biāo)像素點(diǎn)從背景中提取出來，而后通過形態(tài)學(xué)處理和負(fù)樣本剔除等操作得到目標(biāo)中心，進(jìn)而完成檢測. 此類方法需根據(jù)圖像特征，人為地設(shè)定檢測器和約束條件，因此魯棒性和實(shí)用性較差[2].尤其在艦船檢測中，由于海洋潮汐等背景雜波的干擾，該類算法的檢測精度會(huì)受到較大影響.

近年來，基于卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）的深度學(xué)習(xí)目標(biāo)檢測算法成為了研究熱點(diǎn). Girshick等人[3]提出了基于區(qū)域卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測算法，使得基于深度學(xué)習(xí)的目標(biāo)檢測相對(duì)于傳統(tǒng)方法在精度和速度上取得巨大突破，在PSCAL VOC 2012數(shù)據(jù)集上平均檢測精度達(dá)到了53.3%，開啟了基于深度學(xué)習(xí)的目標(biāo)檢測的熱潮. 之后，陸續(xù)出現(xiàn)了SPPNet[4]、 Faster R-CNN[5]、Faster R-CNN[6]、YOLO[7-9]、SSD[10]等算法. 到目前為止，目標(biāo)檢測已經(jīng)被構(gòu)建為分類和回歸的問題來進(jìn)行解決——以Faster R-CNN為代表的兩階段方法和以SSD和YOLO為代表的單階段方法，其中Faster R-CNN準(zhǔn)確率更高，而SSD的速度占優(yōu). 之后，Lin等 [11]認(rèn)為單階段算法精度不及兩階段算法的本質(zhì)原因是其正負(fù)樣本的不均衡，并為此提出了Focal loss損失函數(shù)使得單階段的檢測網(wǎng)絡(luò)在精度上有了很大的提升，其提出的RetinaNet也成為了當(dāng)下最佳的檢測網(wǎng)絡(luò)方法之一.

得益于深度學(xué)習(xí)算法的發(fā)展，SAR圖像目標(biāo)檢測也迎來了很大變革. 李健偉等[12]構(gòu)建了國內(nèi)首個(gè)SAR圖像艦船公開數(shù)據(jù)集SSDD并用其訓(xùn)練Faster R-CNN網(wǎng)絡(luò)，通過對(duì)比傳統(tǒng)方法，證明了深度學(xué)習(xí)算法的優(yōu)越性. Shahzad等人[13]利用級(jí)聯(lián)的全卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了高分辨率SAR圖像中對(duì)建筑物的有效檢測. 然而，基于深度學(xué)習(xí)的SAR圖像檢測中的各類算法在精度和速度上還有改進(jìn)空間.

本文基于現(xiàn)階段較為先進(jìn)的RetinaNet檢測算法進(jìn)行改進(jìn)，結(jié)合SAR圖像本身信息相對(duì)RGB圖像較少的特點(diǎn)，在更底層的圖像特征層上進(jìn)行處理，融合了基礎(chǔ)提取網(wǎng)絡(luò)的多層特征信息;之后在多尺度的特征層對(duì)預(yù)選框進(jìn)行回歸. 采用SSDD數(shù)據(jù)集對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并通過樣本增強(qiáng)和遷移學(xué)習(xí)的方法提升算法的魯棒性、收斂速度. 最終通過實(shí)驗(yàn)與其他典型的深度學(xué)習(xí)算法進(jìn)行對(duì)比，結(jié)果表明，本算法具有更好的效果.

1? ?算法結(jié)構(gòu)

1.1? ?特征提取網(wǎng)絡(luò)

本算法的特征提取部分與RetinaNet相同，采用了深度殘差網(wǎng)（ResNet101）[14]. 一般來說，神經(jīng)網(wǎng)絡(luò)的性能隨著網(wǎng)絡(luò)深度的增加而增加，然而如果簡單地增加深度，會(huì)導(dǎo)致梯度彌散或梯度爆炸. 針對(duì)該問題，解決的方法是采用relu激活函數(shù)和中間層的正則化（Batch Normalization）[15]，這樣可以訓(xùn)練幾十層的網(wǎng)絡(luò). 但之后便會(huì)出現(xiàn)模型退化問題，即使深度繼續(xù)增加，網(wǎng)絡(luò)的準(zhǔn)確率也不會(huì)上升甚至出現(xiàn)下降. 而ResNet采用跨層連接的思想使用恒等映射直接將前一層輸出傳到后面，即使網(wǎng)絡(luò)深度增加，也不會(huì)使網(wǎng)絡(luò)的準(zhǔn)確度下降. 其網(wǎng)絡(luò)結(jié)構(gòu)如圖1（a）所示，其中每組括號(hào)代表一個(gè)結(jié)構(gòu)塊（block），其結(jié)構(gòu)如圖1（b）所示（以Conv3為例）. 整個(gè)網(wǎng)絡(luò)包含101個(gè)卷積層（這里省略了最后的全連接層）. 每個(gè)block中包含3個(gè)卷積層，其參數(shù){n × n，m}中，n代表卷積核的大小，m代表卷積核的數(shù)量. Conv1中的stride為卷積操作的步長，在每個(gè)block中第一個(gè)卷積層的步長為2，其余步長均為1，因此在每一個(gè)block結(jié)構(gòu)中，特征圖的尺寸會(huì)下降一半. Conv2中的maxpool代表最大池化操作，其池化單元大小為3×3，步長為2.

1.2? ?特征融合結(jié)構(gòu)

傳統(tǒng)的RetinaNet采用了特征金字塔（Feature Pyramid Networks，F(xiàn)PN）[16]的結(jié)構(gòu)進(jìn)行特征融合，其融合結(jié)構(gòu)如圖2所示. Conv5_9層首先經(jīng)過1×1的卷積生成Conv6層，而后經(jīng)過線性插值上采樣得到和Conv4_69同樣的尺度，之后再與Conv4_69經(jīng)過1×1的卷積后進(jìn)行融合生成Conv7. 同樣，Conv7經(jīng)過上采樣生成和Conv3_12相同的尺度后與經(jīng)過1×1的卷積的Conv3_12融合生成Conv8. 在檢測過程中，淺層的細(xì)節(jié)信息更有利于目標(biāo)的定位，而高層的語義信息則更有益于目標(biāo)的識(shí)別. FPN巧妙地將ResNet淺層的細(xì)節(jié)信息和高層的語義信息結(jié)合起來，以更好地對(duì)局部信息進(jìn)行約束. 然而在結(jié)合的過程中，F(xiàn)PN僅僅將高層信息上采樣后與淺層信息同緯度相加. 這樣的結(jié)合方式相對(duì)來說較為粗糙，忽略了特征圖經(jīng)雙線性插值引入的結(jié)構(gòu)誤差. 同時(shí)，由于SAR圖像本身僅包含一個(gè)維度的有效信息，對(duì)誤差的影響更加敏感，因此更有效地融合特征信息是提高檢測效率的關(guān)鍵.

本文提出了一種新的特征融合網(wǎng)絡(luò)，其結(jié)構(gòu)如圖3所示. Fusion1和Fusion2為特征融合單元，F(xiàn)usion1以適當(dāng)?shù)姆绞饺诤?層不同表征能力的特征圖，提取了更多Sar圖像的潛在特征，生成更準(zhǔn)確的特征金字塔. Fusion2將金字塔相鄰的不同尺度的特征圖進(jìn)行融合，建立了深淺層之間的耦合關(guān)系. 其結(jié)構(gòu)參數(shù)分別如表1（以Conv6和Conv9的生成為例）和表2所示. Fusion1對(duì)ResNet的Conv2、Con3、Conv4和Conv5層后3個(gè)block分別進(jìn)行1×1同緯度的卷積運(yùn)算，而后并聯(lián)在一起并再次通過1×1的卷積對(duì)有效信息進(jìn)行融合，生成了Conv6、Conv7、Conv8和Conv9. 這4個(gè)特征信息更豐富和準(zhǔn)確的特征層，感受野逐漸變大，特征的細(xì)粒度也逐漸減小. 其中Conv6是從Conv2特征圖中融合得到，包含更多的目標(biāo)細(xì)節(jié)信息，因此其對(duì)小目標(biāo)更敏感，對(duì)目標(biāo)的定位更有效. Fusion2結(jié)構(gòu)在新的金字塔結(jié)構(gòu)上建立了深層特征到淺層特征的鏈接. 對(duì)小尺寸的特征圖首先進(jìn)行雙線性插值，而后通過1×1卷積跨通道地整合信息并降低特征層維度，通過3×3的卷積減少特征圖的結(jié)構(gòu)誤差，最后與經(jīng)過1×1卷積的低維特征圖融合. 融合過程采用相加的方式，3×3的卷積是為消除混疊效應(yīng). 相比于原始網(wǎng)絡(luò)的FPN結(jié)構(gòu)，本網(wǎng)絡(luò)的輸出層提取了更淺層的特征信息，各特征圖的尺度為原輸出特征圖的4倍.

1.3? ?邊框回歸和分類

改進(jìn)的融合結(jié)構(gòu)在Module1、Module2和Module3三個(gè)特征層上分別通過4個(gè)3×3的卷積層后，進(jìn)行位置回歸和分類，生成固定數(shù)目的初始框. 一般的回歸部分，位置和種類的回歸在同一個(gè)特征圖上，而為了使兩個(gè)不同的損失相互之間沒有影響，增強(qiáng)特征的表征能力，RetinaNet的位置回歸和分類分開進(jìn)行. 以Module2為例，其回歸結(jié)構(gòu)如圖4所示. 在每個(gè)特征層的錨點(diǎn)上生成9個(gè)初始框，通過和真實(shí)框的匹配得到邊界框. 計(jì)算真實(shí)框和邊界框之間的損失函數(shù)，并通過平均梯度下降法建立優(yōu)化器，最終完成網(wǎng)絡(luò)的訓(xùn)練.

由于改進(jìn)網(wǎng)絡(luò)結(jié)構(gòu)特征層的尺度是原圖的4倍，因此初始框的數(shù)目為原圖的4倍，屬于背景的邊界框與屬于前景的邊界框之間的比例會(huì)更大. 這樣，即使Focal loss可以適當(dāng)平衡正負(fù)樣本的不均衡，也會(huì)對(duì)損失函數(shù)的訓(xùn)練帶來退化. 同時(shí)，由于初始框的大量增加，網(wǎng)絡(luò)計(jì)算量增加，訓(xùn)練效率也會(huì)受到較大影響. 因此，在進(jìn)行分類和回歸前，采用了OHEM（Online Hard Example Mining）算法[17]的思想，對(duì)正負(fù)樣本進(jìn)行篩選. OHEM也是基于CE算法的改進(jìn)，經(jīng)證明[10-11]，其在平衡正負(fù)樣本上具有較好的魯棒性.

在本文算法中，首先計(jì)算每個(gè)邊界框與真實(shí)框之間的IOU;而后按照IOU從大到小對(duì)所有邊界框進(jìn)行排序，取其中前2/3數(shù)量的邊界框作為訓(xùn)練樣本;最后，調(diào)用Focal loss進(jìn)行損失函數(shù)的計(jì)算和反向傳遞.

2? ?訓(xùn)練預(yù)處理

2.1? ?數(shù)據(jù)增廣

在訓(xùn)練過程中，為了增加網(wǎng)絡(luò)的魯棒性，對(duì)輸出的SAR圖像進(jìn)行增廣. 數(shù)據(jù)增廣的方式有很多，比如水平翻轉(zhuǎn)、裁剪、視角變換、jpeg壓縮、尺度變換、顏色變換和旋轉(zhuǎn)等等. 考慮到實(shí)際拍攝的角度不同和SAR圖像的單通道特性，這里我們選擇采用水平翻轉(zhuǎn)、尺度變化、旋轉(zhuǎn)和亮度變化. 在數(shù)據(jù)輸入階段，分別有50%的概率對(duì)圖像進(jìn)行隨機(jī)類別的增廣操作.

在進(jìn)行水平翻轉(zhuǎn)、尺度變化和旋轉(zhuǎn)變化時(shí)，圖像的標(biāo)注框也要同時(shí)進(jìn)行改變. 在進(jìn)行水平翻轉(zhuǎn)和尺度變化時(shí)，標(biāo)注框的類別信息不變，位置信息（x，y，w，h）進(jìn)行對(duì)稱變化和尺度變化. 而在進(jìn)行旋轉(zhuǎn)變化時(shí)，標(biāo)注框需要重新設(shè)定，如圖5所示. 首先通過旋轉(zhuǎn)的角度，計(jì)算相應(yīng)標(biāo)注框的頂點(diǎn)旋轉(zhuǎn)后的映射位置. 而后，計(jì)算出每兩個(gè)點(diǎn)之間的橫向和縱向的最大距離，并以最大的橫向距離和縱向距離作為新標(biāo)注框的（w，h），中心位置坐標(biāo)不變. 最后，選擇適當(dāng)?shù)目s進(jìn)尺度對(duì)邊框的（w，h）進(jìn)行修正. 設(shè)（w′，h′）為新邊框的大小，ε為縮放因子，S為原邊框的面積，則

2.2? ?遷移學(xué)習(xí)

遷移學(xué)習(xí)是指針對(duì)新的神經(jīng)網(wǎng)絡(luò)重新使用預(yù)先訓(xùn)練的模型進(jìn)行參數(shù)初始化. 由于其能用較少的數(shù)據(jù)訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)，能夠提升網(wǎng)絡(luò)的訓(xùn)練速度和精度，這使得它在深度學(xué)習(xí)領(lǐng)域非常流行. 在本文中，首先使用MSTAR數(shù)據(jù)集在ResNet101上進(jìn)行預(yù)訓(xùn)練，保存訓(xùn)練好的模型參數(shù)，而后將模型載入本算法的特征提取層，最后利用SSDD數(shù)據(jù)集對(duì)本網(wǎng)絡(luò)的參數(shù)進(jìn)行微調(diào)（Fine-tuning）.

MSTAR數(shù)據(jù)集是美國國防高等研究計(jì)劃署（DARPA）支持的MSTAR計(jì)劃所公布的實(shí)測SAR地面靜止目標(biāo)的公開數(shù)據(jù)集，包含多種車輛目標(biāo)在各個(gè)方位角下獲取到的目標(biāo)圖像. 由于SAR圖像和RGB圖像之間存在較大差異，因此使用MSTAR數(shù)據(jù)集進(jìn)行預(yù)訓(xùn)練可以避免出現(xiàn)負(fù)遷移的現(xiàn)象. 將MSTAR數(shù)據(jù)集在ResNet101上進(jìn)行訓(xùn)練，待網(wǎng)絡(luò)完全收斂，去除ResNet101最后的全連接層，將前層的參數(shù)載入到本算法的特征提取層. 在之后的Fine-tuning過程中，不凍結(jié)特征提取層的參數(shù)，直接利用SSDD數(shù)據(jù)集對(duì)網(wǎng)絡(luò)進(jìn)行調(diào)整.

3? ?實(shí)驗(yàn)驗(yàn)證

實(shí)驗(yàn)在Ubuntu16.04系統(tǒng)的Pytorch框架下運(yùn)行，并使用CUDA8.0和cuDNN5.0來加速訓(xùn)練. 計(jì)算機(jī)搭載的CPU為Corei7-8700k，顯卡為NVIDIA GTX1080Ti，內(nèi)存為32 G. 數(shù)據(jù)集為SSDD，共1 160張圖像，2 456艘艦船目標(biāo). 本文將此數(shù)據(jù)集按照7∶3的比例分為了訓(xùn)練集和測試集，在分類中，將圖像按照復(fù)雜度（密集程度和尺度變化量）均勻地分給訓(xùn)練集和測試集以保證實(shí)驗(yàn)的有效性. 非極大值抑制和預(yù)測概率的閾值均為0.5.

將本算法與傳統(tǒng)的RetinaNet、SSD、FSSD、 RFB單階段算法進(jìn)行對(duì)比，采用平均精度和FPS作為性能指標(biāo)，對(duì)比結(jié)果如表3所示（都經(jīng)過預(yù)訓(xùn)練和數(shù)據(jù)增強(qiáng)）.

由表3可知，在精度上，經(jīng)典的基于Vgg16的SSD網(wǎng)絡(luò)精度相對(duì)較低，而其改進(jìn)結(jié)構(gòu)RFB和FSSD網(wǎng)絡(luò)（基于Vgg16）的檢測精度雖然有所提高，但改進(jìn)效果較小. 當(dāng)采用性能更好的特征提取層如ResNet101和DarkNet53時(shí)，SSD網(wǎng)絡(luò)的精度提升到了86.7%，而FSSD網(wǎng)絡(luò)提升較小，RFB網(wǎng)絡(luò)甚至出現(xiàn)精度下降. 相對(duì)于SSD系列的算法，RetinaNet在精度上具有明顯的優(yōu)勢(shì). 而本文所提出的改進(jìn)算法在RetinaNet的基礎(chǔ)上仍有1.8%的提升，取得了最高的檢測精度. 在速度上，可以看出特征提取層的影響較大，其中基于Vgg16的網(wǎng)絡(luò)速度較快，基于ResNet101的速度較慢. 傳統(tǒng)的基于Vgg16的SSD網(wǎng)絡(luò)速度最快，但是精度相對(duì)不足. 本文提出的算法在速度上達(dá)到50 FPS，相比原始RetinaNet僅僅下降8.82 FPS（3 ms），因此總體來看，本文所提出的算法在此數(shù)據(jù)集中具有更好的效果.

為了證明改進(jìn)算法的有效性，分別將本文算法的改進(jìn)部分（融合結(jié)構(gòu)，損失函數(shù)）與原始算法進(jìn)行對(duì)比，如表4所示.

由表4可以看出，同時(shí)包含了這2種改進(jìn)的算法精度達(dá)到最高;只改進(jìn)了損失函數(shù)算法的精度有所下降，這是由于原始算法正負(fù)樣本比例適中，不會(huì)對(duì)Focal loss的計(jì)算帶來退化所致. 而加入OHEM的思想，網(wǎng)絡(luò)強(qiáng)制性地去除了一些有利樣本，故精度有所下降. 當(dāng)加入特征融合結(jié)合結(jié)構(gòu)時(shí)，可明顯發(fā)現(xiàn)，網(wǎng)絡(luò)檢測精度提高，這是因?yàn)榫W(wǎng)絡(luò)綜合利用了底層的特征信息，更高效地融合了深淺層的圖像特征. 然而，由于此時(shí)正負(fù)樣本的不均衡程度增加，損失函數(shù)存在部分退化，此時(shí)，加入OHEM的思想則對(duì)正負(fù)樣本的均衡性進(jìn)行調(diào)整，再利用Focal loss進(jìn)行損失計(jì)算和傳遞，于是算法精度上升.

最后，將改進(jìn)的算法和原始的RetinaNet的檢測結(jié)果可視化對(duì)比，如圖6所示. 通過對(duì)比2種算法和標(biāo)注圖，可以看出，在干擾因素較多、目標(biāo)較小的時(shí)候，傳統(tǒng)的RetinaNet漏檢、錯(cuò)檢嚴(yán)重，而本文算法都可以很好地識(shí)別出目標(biāo)，具有較好的魯棒性.

4? ?結(jié)? ?論

針對(duì)傳統(tǒng)的SAR圖像艦船檢測算法魯棒性差、精度低、適應(yīng)性不強(qiáng)等不足，本文提出了一種深度學(xué)習(xí)的SAR圖像檢測算法，該算法在RetinaNet的基礎(chǔ)上針對(duì)SAR圖像成像的特點(diǎn)對(duì)其FPN結(jié)構(gòu)進(jìn)行改進(jìn)，增加了其特征數(shù)量，提升了融合效果. 而后，針對(duì)數(shù)據(jù)量的增加出現(xiàn)的正負(fù)樣本失衡問題，對(duì)損失函數(shù)的計(jì)算進(jìn)行改進(jìn). 最后，通過數(shù)據(jù)增強(qiáng)和遷移學(xué)習(xí)提升網(wǎng)絡(luò)魯棒性、收斂速度. 實(shí)驗(yàn)中利用SSDD數(shù)據(jù)集對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練并對(duì)比了幾個(gè)典型的單階段檢測算法，結(jié)果顯示，本算法相比于傳統(tǒng)的RetinaNet算法在FPS下降有限的情況下，準(zhǔn)確率提升了1.8%，具有更好的效果.

參考文獻(xiàn)

[1]? ? HOLMBERG L，STEF?NSSON V，GUNNERHED M. Internal conversion of the 208 keV E1 transition in 177 HF[J]. Physica Scripta，1971，4（1/2）：41—44.

[2]? ? 楚博策，文義紅，陳金勇. 基于多特征融合的SAR圖像艦船自學(xué)習(xí)檢測算法[J]. 無線電工程，2018，48（2）：92—95.

CHU B C，WEN Y H，CHEN J Y. Self-learning detection algorithm for ship target in SAR images based on multi-feature fusion[J]. Radio Engineering，2018，48（2）：92—95.（In Chinese）

[3]? ? GIRSHICK R B，DONAHUE J，DARRELL T，et al. Rich feature hierarchies for accurate object detection and semantic segmentation[C]//Proceedings of IEEE Conference on Computer Vision and Pattern Recognition. Honolulu，Los Alamitos：IEEE Computer Society Press，2014：580—587.

[4]? ? HE K M，ZHANG X Y，REN S Q，et al. Spatial pyramid pooling in deep convolutional networks for visual recognition[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence，2014，37（9）：1904—1916.

[5]? ? GIRSHICK R B. Fast R-CNN[C]// IEEE International Conference on Computer Vision. Honolulu，Los Alamitos：IEEE Computer Society Press，2015：1440—1448.

[6]? ? REN S Q，HE K M，GIRSHICK R B，et al. Faster R-CNN：Towards real-time object detection with region proposal networks[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence，2017，39（6）：1137—1149.

[7]? ? REDMON J，DIVVALA S，GIRSHICK R B，et al. You only look once：unified，real-time object detection[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. Los Alamitos：IEEE Computer Society Press，2016：1063—1069.

[8]? ? REDMON J，F(xiàn)ARHADI A. YOLO9000：Better，faster，stronger[C]// Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. Los Alamitos：IEEE Computer Society Press，2016：6517—6525.

[9]? ?REDMON J，F(xiàn)ARHADI A. YOLOv3：An incremental improvement[EB/OL]. [2018-04-08]. https：//arxiv.org/abs/1804.02767.

[10]? LIU W，ANGUELOV D，ERHAN D，et al. SSD：Single shot multibox detector[C] // Proceedings of European Conference on Computer Vision. Heidelberg：Springer，2016：21—37.

[11]? LIN T Y，GOYAL P，GIRSHICK R B，et al. Focal loss for dense object detection[C]//Proceedings of the IEEE International Conference on Computer Vision. Venice，Italy，2017：2980—2988.

[12]? 李健偉，曲長文，彭書娟，等.基于卷積神經(jīng)網(wǎng)絡(luò)的SAR圖像艦船目標(biāo)檢測[J]. 系統(tǒng)工程與電子技術(shù)，2018，40（9）：1953—1959.

LI J W，QU C W，PENG S J，et al. Ship detection in SAR images based on convolutional neural network[J]. Systems Engineering and Electronics，2018，40（9）：1953—1959.（In Chinese）

[13]? SHAHZAD M，MAURER M，F(xiàn)RAUNDORFER F，et al. Buildings detection in vhr sar images using fully convolution neural networks[J]. IEEE Transactions on Geoscience and Remote Sensing，2018，57（2）：1—17.

[14]? HE K M，ZHANG X Y，REN S Q，et al. Deep residual learning for image recognition[C]//IEEE Conference on Computer Vision and Pattern Recognition. Honolulu，Los Alamitos：IEEE Computer Society Press，2016：770—778.

[15]? IOFFE S，SZEGEDY C. Batch normalization：accelerating deep network training by reducing internal covariate shift[C]// International Conference on International Conference on Machine Learning. New York：ACM Press，2015：448—456.

[16]? LIN T Y，DOLLAR P，GIRSHICK R B，et al. Feature pyramid networks for object detection[C]//IEEE Conference on Computer Vision and Pattern Recognition. Honolulu，Los Alamitos：IEEE Computer Society Press，2017：936—944.

[17]? SHRIVASTAVA A，GUPTA A，GIRSHICK R B. Training region-based object detectors with online hard example mining[C]//IEEE Conference on Computer Vision and Pattern Recognition. Honolulu，Los Alamitos：IEEE Computer Society Press，2016：45—46.