| 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)
|
