改进Faster R-CNN的视频SAR动目标检测算法

针对当前可用于深度学习的视频SAR数据稀少的现状，以及动目标检测算法中存在较多的漏检和虚警问题，基于美国桑迪亚国家实验室真实视频SAR数据制作深度学习数据集，提出一种改进Faster R-CNN的视频SAR动目标检测算法。算法以截取后的ResNet50为特征提取网络，利用K-means加遗传算法自适应计算锚框，并在数据预处理环节加入S型曲线增强方法，来增强图像的对比度信息。经实验验证，所提出方法能够显著提升动目标检测率和检测速度，其中，平均精度（AP）和F1分数提升均达到10个点以上，有效降低了虚警和漏检，整体表现优于一阶段算法SSD和RetinaNet。