山东大学学报(工学版)

作者：郑子阳, 张婷, 刘兆英, 李玉鑑, SUN Changming

单位：1. 北京工业大学信息学部, 北京 100124;2. 桂林电子科技大学人工智能研究院, 广西 桂林 541004;3. 澳大利亚联邦科工组织, 新南威尔士州 悉尼 1710

关键词：合成孔径雷达,舰船检测,RCIoU,旋转框,YOLOv4-CSP,转移注意力,

基金：北京工业大学国际科研合作种子基金项目资助(2021A01);北京市教育委员会科技计划一般项目(KM202110005028);北京工业大学交叉科学研究院资助项目(2021020101)

提出一种合成孔径雷达(synthetic aperture radar, SAR)图像旋转舰船检测方法,以提高SAR图像中旋转舰船的检测精度。从先验框设计和边界框回归公式对YOLOv4-CSP目标检测网络进行改进,加入旋转角度使其适用于基于旋转框的检测场景;提出一种基于旋转边界框外接圆和交并比的损失函数,该函数不仅考虑预测框和真实框的中心点的距离,而且考虑旋转框各个参数之间的相关性,具有很好的效果;为进一步提升SAR图像中的舰船检测精度,引入转移注意力模块,使得网络能够充分学习有效特征,提高检测精度。试验结果证明,改进后的模型结合提出的损失函数能够有效提升旋转舰船的检测精度,在图像分辨率为416像素×416像素情况下,平均精度均值(mean average precision, mAP)达到95.79%;加入注意力模块后,在图像分辨率为416像素×416像素情况下,mAP达到96.40%,在图像分辨率为800像素×800像素情况下,mAP达到96.98%。本研究不仅可以为海洋监测等应用提供重要的技术支持,还具有重要的理论价值和应用价值。

来源：2022年第2期

《山东大学学报(工学版)》期刊编辑部

查看山东大学学报(工学版)杂志2022年第2期