改进YOLOv3的SAR图像舰船目标检测

摘要：

针对目标检测算法直接应用于SAR图像舰船检测数据集时数据训练不充分、鲁棒性差等问题,本文提出了一种改进YOLOv3的SAR图像舰船目标检测方法,从改进网络训练策略的角度出发,提升算法对不同舰船目标的适应性,优化算法的检测性能.改进主要包括两个方面:一方面本文在YOLOv3的基础上引入了ATSS(Adaptive Training Sample Selection)正负样本的分配方法,提高YOLOv3中正负样本选择的质量,优化网络训练.另一方面本文设计了基于特征层的锚框超参数优化方法,使锚框更加贴合各检测层数据集样本分布,从而使训练模型更好的收敛.本文分别在SSDD、SAR-Ship-Dataset数据集上进行了实验,验证了其有效性.

关键词：合成孔径雷达图像;舰船目标检测;YOLOv3;深度学习

所属期刊栏目：37

分类号：TN957.51

资助基金：陆军装备技术基础科研项目03633

在线出版日期：2021-11-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1623-1632