基于改进型YOLOv3的SAR图像舰船目标检测

摘要

传统合成孔径雷达(synthetic aperture radar,SAR)图像目标检测的方法依赖于人工设计特征且易受复杂背景干扰,泛化能力较差.深度学习的方法可以自动提取特征且具有良好的抗干扰特性,对于未来雷达智能感知具有重要意义.不同于其他只能对固定区域进行检测的常规卷积神经网络,本文提出一种改进型YOLOv3的SAR图像舰船目标检测方法,该方法基于舰船尺寸与形状自适应采样的可变形卷积、ResNet50变体特征提取器和ShuffleNetv2轻量化思想等设计YOLOv3模型.通过SSDD数据集验证,在检测效果方面,相较于原YOLOv3模型,平均精度从93.21％提高至96.94％,检测概率从95.51％提高至97.75％;在模型大小方面,轻量化设计模型仅为原YOLOv3模型的八分之一,可实现嵌入式的使用.