基于改进YOLOv8s的SAR图像舰船目标检测方法
摘要
针对现有算法在合成孔径雷达（SAR）图像舰船目标检测任务中存在检测精度不高、易漏检、模型体量大不易部署、实时性不高等问题，提出了一种基于YOLOv8s改进的轻量SAR图像舰船目标检测模型。首先，提出了一种轻量残差特征增强模块ACC，该模块采用自适应池化的方式来提取不同的上下文信息，用残差增强的方式减少丢失特征金字塔中处于最高层次的特征信息，改善高层次特征的表达，提升网络对小目标的检测能力；然后，引入轻量动态蛇形卷积（DSConv），替换标准卷积操作的功能，优化模型对细小条形舰船目标的检测效果，减少目标漏检；最后，融合轻量BiFormer动态稀疏注意力模块，进一步优化小目标检测效果。在公开的SAR 影像舰船目标检测数据集（SSDD）上，所提出的算法比原算法在精确度（Precision）、召回率（Recall）、平均精度均值（mAP@0.5）上分别提升了5.0、3.6、3.3百分点，显著提高了模型对SAR图像舰船目标的检测能力。在高分辨率SAR图像数据集（HRSID）上进行模型的泛化实验结果表明，所提模型的图像检测效果优于其他经典模型。
引用本文（GB/T 7714）
杨明秋 Yang Mingqiu, 左小清 Zuo Xiaoqing, 董燕 Dong Yan. 基于改进YOLOv8s的SAR图像舰船目标检测方法[J]. Laser & Optoelectronics Progress, 2024.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。