系统工程与电子技术

作者：付卫红(), 彭文洪(), 刘乃安()

单位：西安电子科技大学通信工程学院，陕西 西安 710071

关键词：合成孔径雷达图像,船舶检测,注意力机制,特征融合,小目标检测

近年来，卷积神经网络在合成孔径雷达（synthetic aperture radar, SAR）图像船舶检测中取得突出成就，但小目标检测方面仍然存在较大不足。对此，提出一种基于YOLO （you only look once） v5的改进检测网络，结合空间感知通道注意力、自注意力机制和上下文特征融合策略，以提高小型船舶的检测性能。首先，通道注意力机制抑制了背景信息并强调目标特征，显著提高检测精度。其次，在YOLOv5的骨干网络和检测层中引入自注意力模块，以捕获全局信息，增强定位能力。最后，通过融合浅层和深层特征，补充特征提取中丢失的小目标信息，进一步提高检测精度。基于大规模SAR船舶监测数据集（large-scale SAR ship detection dataset version 1.0 LS-SSDDv1.0）数据集的实验结果表明，改进后的网络的全类平均精度(mean average precision，mAP)0.5指标达78.9%，显著优于现有方法。

来源：2025年第8期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2025年第8期