一种改进YOLOV5的遥感和SAR图像舰船目标检测

作者：杨金鹏; 黄柏圣; 陈小娇; 孙喆

来源：中国电子科学研究院学报, 2023, 18(09): 821-829.

• YOLOV5
• 深度学习
• 遥感图像
• SAR图像

舰船目标检测技术因其在海洋监测中具有广泛的应用前景，而成为计算机视觉领域的研究热点之一。但是，实际检测场景存在多尺度舰船目标，并且遥感和合成孔径雷达(Synthetic Aperture Radar,SAR)图像因宽高比较大，以及复杂的背景条件，容易产生漏检、误检。针对这些问题，文中提出了一种改进YOLOV5的遥感和SAR图像舰船目标检测算法。首先，引入3×3的快速空间金字塔池化模块(3×3 Fast Spatial Pyramid Pooling Module,SPPF＿t)代替基线网络传统的空间金字塔池化模块(Spatial Pyramid Pooling,SPP);其次，在SPPF＿t之后引入卷积块注意力模块(Convolutional Block Attention Module,CBAM);然后，针对小型舰船目标容易造成漏检，提出了膨胀率为2的小尺度特征增强模块(Dilated Small-Scale Feature Enhancement Module with Rate 2,SFEM＿t),将增强后的特征图送入检测头进行检测；最后，将GIOU损失函数更换为CIOU损失函数。实验结果表明，改进后的YOLOV5算法在遥感和SAR图像舰船目标检测中均取得了更好的检测效果，具备更高的检测精度。

• 单位
  电子信息工程学院; 南京信息工程大学