改进YOLOv5的合成孔径雷达图像舰船目标检测方法

TP391; 针对合成孔径雷达图像目标检测易受噪声和背景干扰影响,以及多尺度条件下检测性能下降的问题,在兼顾网络规模和检测精度的基础上,提出了一种改进的合成孔径雷达舰船目标检测算法.使用坐标注意力机制,在确保轻量化的同时抑制了噪声与干扰,以提高网络的特征提取能力;融入加权双向特征金字塔结构以实现多尺度特征融合,设计了 一种新的预测框损失函数以改善检测精度,同时加快算法收敛,从而实现了对合成孔径雷达图像舰船目标的快速准确识别.实验验证表明,所提算法在合成孔径雷达舰船检测数据集(synthetic aperture radar ship detection dataset,SSDD)上的平均精度均...

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 45; no. 12; pp. 3743 - 3753
Main Authors 贺翥祯, 李敏, 苟瑶, 杨爱涛
Format Journal Article
LanguageChinese
Published 火箭军工程大学作战保障学院,陕西西安 710025 01.12.2023
国防科技大学信息与通信学院,湖北武汉 430010%火箭军工程大学作战保障学院,陕西西安 710025
Subjects
注意力机制
synthetic aperture radar
target detection
YOLOv5
attention mechanism
合成孔径雷达
目标检测
multi-scale fusion
多尺度融合
Online AccessGet full text
ISSN1001-506X
DOI10.12305/j.issn.1001-506X.2023.12.04

Cover

More Information
Summary:TP391; 针对合成孔径雷达图像目标检测易受噪声和背景干扰影响,以及多尺度条件下检测性能下降的问题,在兼顾网络规模和检测精度的基础上,提出了一种改进的合成孔径雷达舰船目标检测算法.使用坐标注意力机制,在确保轻量化的同时抑制了噪声与干扰,以提高网络的特征提取能力;融入加权双向特征金字塔结构以实现多尺度特征融合,设计了 一种新的预测框损失函数以改善检测精度,同时加快算法收敛,从而实现了对合成孔径雷达图像舰船目标的快速准确识别.实验验证表明,所提算法在合成孔径雷达舰船检测数据集(synthetic aperture radar ship detection dataset,SSDD)上的平均精度均值达到96.7％,相比于YOLOv5s提高1.9％,训练时收敛速度更快,且保持了网络轻量化的特点,在实际应用中具有良好前景.
ISSN:1001-506X
DOI:10.12305/j.issn.1001-506X.2023.12.04