基于改进YOLOv7的SAR图像舰船目标检测算法

作者：张上; 李梦思; 陈永麟^*; 张卓

来源：电光与控制, 2023, 1-12.

• 目标检测
• YOLOv7
• 模型轻量化
• Shuffle Attention
• DSConv
• NWD

针对SAR舰船数据集小物体在图像中像素占比小、物体识别不清、检测效率低等问题，提出了一种改进YOLOv7的SAR舰船目标检测算法STSD-YOLO。首先，根据SAR图像特点，重新设计网络结构，改变多尺度特征融合与特征提取的关系，解决下采样次数过多而丢失细节特征的问题；然后，使用轻量型注意力机制Shuffle Attention，在空间域与通道域注意力机制基础上，融合特征分组与通道置换，提升网络特征提取能力，降低计算复杂度；其次，引入卷积变体DSConv，通过在可变量化内核中仅储存整数来实现减少计算量；最后，加入NWD度量，通过将边界框建模为2D高斯分布，以衡量小物体的边界框之间的相似性增加对小物体检测性能。算法使用HRSID舰船数据集进行实验验证，结果相较于基准算法，在舰船检测任务中mAP提升16.7个百分点，模型体积下降62.55个百分点。通过对比实验验证，改进算法对比其余主流算法检测效果更优。改进算法能有效解决SAR图像检测的痛点，可以胜任SAR图像中的舰船检测任务。