高阶特征聚合与卷积调制的SAR图像舰船检测

摘要：

针对合成孔径雷达(SAR)舰船图像在目标长宽比失衡和小目标聚集等复杂场景中检测困难的问题,该文提出了 一种关于海洋舰船检测的目标检测算法,以YOLOv7-Tiny算法为基础采用高阶特征聚合的方法来保留更多小尺度舰船的特征信息,引入卷积调制机制加强颈部网络的特征增强能力,动态非单调聚焦机制边界框损失函数与 自适应锚框的有效结合,降低了低质量舰船的检测难度.在遥感舰船高分辨率SAR图像数据集上的实验结果表明,该算法的检测精度和模型参数量分别为90.5％和6.12 MB,在SAR舰船检测数据集上进行泛化测试,检测精度能达到97.2％.该文的算法模型提升了小尺度样本的检测能力,相比基准模型具有更高的检测精度和更好的鲁棒性,与其他目标检测算法相比拥有更好的检测效果.

关键词：目标检测、合成孔径雷达、高阶特征聚合、卷积调制

所属期刊栏目：48

分类号：P246(测绘仪器)

资助基金：国家自然科学基金41801368

在线出版日期：2023-11-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：81-93