改进YOLOv5的SAR图像舰船目标检测

摘要：

近年来针对合成孔径雷达(synthetic aperture radar,SAR)图像中缺乏颜色和纹理细节的舰船检测技术在深度学习领域中得到了广泛研究,利用深度学习技术可以有效避免传统的复杂特征设计,并且检测精度得到极大改善.针对舰船目标检测框具有高长宽比和密集排列问题,提出一种基于改进YOLOv5的目标检测方法.该方法针对舰船目标检测框特点将检测框长宽作为参数进行综合考虑并对损失函数进行曲线优化,并结合坐标注意力机制(coordinate attention,CA),在模型轻量化的同时实现对舰船目标检测的高速与高精度并存.实验结果表明:相比原YOLOv5方法,该方法的检测精度由原来的92.3％提升到96.7％,mAP(mean average precision)指标由原来的92.5％提升到97.2％,明显优于对比方法.通过改进检测框损失函数和特征提取方式,提高对SAR图像中舰船目标的检测效果.

关键词：合成孔径雷达(SAR);YOLOv5;舰船检测;坐标注意力机制

所属期刊栏目：58

分类号：TP391(计算技术、计算机技术)

资助基金：四川省科技计划资助项目2019YJ0356

在线出版日期：2022-03-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：247-254