系统工程与电子技术

作者：倪康(), 贾文杰(), 邹旻瑞(), 郑志忠*()

单位：1. 南京邮电大学计算机学院、软件学院、网络空间安全学院，江苏 南京 210023；2. 江苏省航空对地探测与智能感知工程研究中心，江苏 南京 210049

关键词：合成孔径雷达,注意力机制,目标检测,特征金字塔,损失函数

基金：国家自然科学基金（62101280）；江苏省自然科学基金（BK20210588）；中国博士后科学基金（2023M731781）；江苏省航空对地探测与智能感知工程中心开放基金（JSECF2023-01，JSECF2023-05）；雷达成像与微波光子技术教育部重点实验室（南京航空航天大学）基金（NJ20230005）；南京邮电大学引进人才科研启动基金（NY222107）资助课题

针对合成孔径雷达（synthetic aperture radar，SAR）图像的成像机理导致SAR图像受噪声影响严重且SAR目标类别存在不均衡问题，使得SAR目标特征刻画较困难。针对上述问题，提出一种基于动态聚合网络（dynamic aggregation network，DANet）的SAR目标检测方法。该网络以无锚框全卷积一阶段目标检测（fully convolutional one-stage object detection，FCOS）网络为基础网络框架。DANet在特征金字塔网络中嵌入具有动态坐标注意力的动态聚合模块，以提高噪声影响下SAR目标特征学习能力。为了缓解SAR数据集中不同类别之间数量不平衡的问题，DANet在检测头的回归分支引入类平衡动态交并比（intersection over union，IoU）损失函数,通过动态非单调机制和类平衡因子引导模型参数更新。在MSAR-1.0数据集和SAR-AIRcraft-1.0数据集上的实验结果表明，DANet在上述SAR目标检测数据集上的目标检测准确率分别达到了70.25%和52.36%，相比基准网络FCOS，其平均精度分别提高了2.73%和3.67%。与其他相关算法相比，DANet在SAR图像目标检测精度方面具有明显优势。

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