Радиолокационные системы являются эффективным средством получения оперативной информации о состоянии и динамике объектов и районов земного шара в различных масштабах независимо от метеорологических условий и времени суток. В настоящее время разработан ряд методов для автоматизированного поиска объектов на радиолокационных изображениях, которые применяются в зависимости от целевой области. Для детектирования объектов на радиолокационных изображениях в большинстве работ используются сверточные нейронные сети, но существует множество алгоритмов для решения задач, отсюда возникает проблема выявления наиболее эффективного алгоритма сверточной нейронной сети с высокой точностью детектирования объектов на основе радиолокационных изображений из рассматриваемых источников. В статье рассматриваются алгоритмы и программные аспекты детектирования объектов на радиолокационных изображениях. Построена сравнительная таблица методов по критериям – точность детектирования и время на обработку, и выявлен наиболее эффективный алгоритм сверточной нейронной сети.
Radar systems are an effective means of obtaining operational information about the state and dynamics of objects and areas of the globe at different scales regardless of meteorological conditions and time of day. Currently, a number of methods have been developed for automated search for objects on radar images, which are applied depending on the target area. To detect objects on radar images in most works convolutional neural networks are used, but there are many algorithms to solve the problems, hence the problem of identifying the most effective convolutional neural network algorithm with high accuracy in detecting objects on the basis of radar images from the sources under consideration. In this article algorithms and software aspects of object detection on radar images are considered. A comparative table of methods by the criteria – detection accuracy and processing time – is constructed, and the most effective algorithm of convolutional neural network is revealed.