引用本文:姜浩风,张顺,梅少辉.基于改进YOLOv3的SAR舰船图像目标识别技术[J].上海航天,2022,39(3):60-66.
【打印本页】   【下载PDF全文】     
本文已被:浏览 12次   下载 14
分享到: 微信 更多
基于改进YOLOv3的SAR舰船图像目标识别技术
姜浩风,张顺,梅少辉
西北工业大学 电子信息学院,陕西 西安710072
摘要:
合成孔径雷达(SAR)图像自动目标识别(ATR)技术是人工图像解译的关键技术之一。针对传统的SAR舰船目标检测算法大多受限于场景且泛化能力较差的问题,设计了一种基于改进YOLOv3网络的检测模型。将YOLOv3与DenseNet网络融合,使用稠密网络模块代替用于提取中小尺度特征的残差网络模块,通过训练得到模型的最优权重,实现端到端的目标检测。使用综合交并比(GIoU)损失代替交并比(IoU)边界框回归损失,提供更加准确的边界框位置信息,提高检测精度,采用中国科学院空天信息研究院制作的SAR图像船舶检测数据集进行测试。测试结果表明:与原YOLOv3算法相比,改进后的YOLOv3检测准确率提高了1.4%。
(School of Electronics and Information, Northwestern Polytechnical University, Xi’an 710072, Shaanxi, China)

分享按钮