基于深度特征提取网络的SAR图像目标检测算法OA
为提高合成孔径雷达(Synthetic Aperture Radar,SAR)图像中舰船目标检测的准确度,特别是在面对舰船尺寸不均、船只分布密集和复杂海岸背景的挑战时,文章提出一种基于改进YOLOv8的SAR图像目标检测算法。首先,将上下文引导模块(Context Guided Block,CGB)引入主干网络中,捕捉局部和全局的上下文关系,将特征信息融入主干网络的特征中,增强特征的表达能力;然后,设计重校准特征金字塔网络,加强浅层和深层特征的相互交互能力;最后,在检测头引入最大垂直距离交集(Minimum Point Distance Intersection over Union,MPDIoU)损失函数,通过衡量预测框与真实框之间的重叠程度和位置差异,优化模型的边界框回归性能。在HRSID数据集上的实验结果表明,文章所提算法在准确率和平均精度方面均有提升,其中,精确度提高了2.1%,召回率提高了2.12%,AP值提升了2.46%,充分验证了改进方法的有效性。
刘庆明;王金伟;许京新;尹英正;赵博
烟台大学物理与电子信息学院,山东烟台264005烟台大学物理与电子信息学院,山东烟台264005烟台大学物理与电子信息学院,山东烟台264005烟台大学物理与电子信息学院,山东烟台264005深圳大学电子与信息工程学院,广东深圳518060
信息技术与安全科学
舰船检测合成孔径雷达上下文引导模块重校准特征金字塔网络
《海军航空大学学报》 2026 (5)
P.884-892,9
国家自然科学基金(61201418、62171293)深圳市基础研究专项资助(JCYJ20230808105359045)。
评论