科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了解决合成孔径雷达（synthetic aperture radar,SAR）图像中小目标舰船和复杂背景下舰船检测精度低的问题，并使模型更加轻量化，提出了一种改进YOLOv7的SAR舰船检测算法。在YOLOv7主干网络构建REPPConv-ELAN模块替换原ELAN，减少网络的计算量和内存占用，加快推理速度，同时增强网络对目标特征的提取能力；在特征融合部分融入ConvNeXt Block加速网络提取和融合复杂目标的特征信息；再把全局注意力机制（GAM）加入至下采样阶段，构建一种用来捕捉全局特征的采样模块（MP-GAM），在通道维度和空间维度上进行特征捕捉和特征融合，实现多维信息的交互，提高网络对复杂背景下舰船的关键特征捕捉能力；在检测头的回归损失函数处引入新度量NWD替换IoU，增强对小目标的检测能力。在HRSID数据集上进行了实验对比，改进后的方法相比于YOLOv7，模型的参数量和计算量显著减少；AP值提升了10.04个百分点，准确率提升了3.61个百分点，召回率提升了15.15个百分点。与目前的主流算法对比，精度明显提高。实验结果表明，改进算法能有效提升SAR舰船检测精度，显著改善复杂舰船的误检和漏检情况。
- 出版日期2023
- 单位辽宁工程技术大学
