关键词:
合成孔径雷达图像
舰船目标检测
YOLOv7
摘要:
针对合成孔径雷达(SAR)图像在舰船检测过程中因其环境复杂、舰船尺寸多样而导致检测精度低的问题,提出了一种轻量级的Cross Stage Ghostnetv2(CSG)模块替换YOLOv7网络中的ELAN模块和ELAN-W模块,减少网络的参数数量和计算成本;在颈部网络中引入ConvNeXt模块,加强图片的特征提取能力以提高小目标的检测能力;最后采用K-means++聚类自动生成锚框,提高算法的识别精度。在SSDD数据集(SAR Ship Detection Dataset)上的实验结果显示,该算法的平均精度均值mAP@0.5较YOLOv7提升4%,模型参数Params下降10.9%,计算量GFLOPs减少63.7%,在提高精确度的情况下大幅度降低了模型复杂度。实验结果证明了该算法在舰船目标检测上的有效性。