近年来,卷积神经网络在合成孔径雷达(synthetic aperture radar,SAR)图像船舶检测中取得突出成就,但小目标检测方面仍然存在较大不足。对此,提出一种基于YOLO(you only look once)v5的改进检测网络,结合空间感知通道注意力、自注意力机...近年来,卷积神经网络在合成孔径雷达(synthetic aperture radar,SAR)图像船舶检测中取得突出成就,但小目标检测方面仍然存在较大不足。对此,提出一种基于YOLO(you only look once)v5的改进检测网络,结合空间感知通道注意力、自注意力机制和上下文特征融合策略,以提高小型船舶的检测性能。首先,通道注意力机制抑制了背景信息并强调目标特征,显著提高检测精度。其次,在YOLOv5的骨干网络和检测层中引入自注意力模块,以捕获全局信息,增强定位能力。最后,通过融合浅层和深层特征,补充特征提取中丢失的小目标信息,进一步提高检测精度。基于大规模SAR船舶监测数据集(large-scale SAR ship detection dataset version 1.0 LSSSDDv1.0)数据集的实验结果表明,改进后的网络的全类平均精度(mean average precision,mAP)0.5指标达78.9%,显著优于现有方法。展开更多
文摘近年来,卷积神经网络在合成孔径雷达(synthetic aperture radar,SAR)图像船舶检测中取得突出成就,但小目标检测方面仍然存在较大不足。对此,提出一种基于YOLO(you only look once)v5的改进检测网络,结合空间感知通道注意力、自注意力机制和上下文特征融合策略,以提高小型船舶的检测性能。首先,通道注意力机制抑制了背景信息并强调目标特征,显著提高检测精度。其次,在YOLOv5的骨干网络和检测层中引入自注意力模块,以捕获全局信息,增强定位能力。最后,通过融合浅层和深层特征,补充特征提取中丢失的小目标信息,进一步提高检测精度。基于大规模SAR船舶监测数据集(large-scale SAR ship detection dataset version 1.0 LSSSDDv1.0)数据集的实验结果表明,改进后的网络的全类平均精度(mean average precision,mAP)0.5指标达78.9%,显著优于现有方法。
