系统工程与电子技术

作者：陈冬(), 句彦伟()

单位：南京电子技术研究所, 江苏 南京 210013

关键词：合成孔径雷达,舰船检测,单阶段检测算法,可变形卷积,卷积神经网络

基金：装发十三五预研项目(414150480303)

传统合成孔径雷达(synthetic aperture radar, SAR)图像目标检测的方法依赖于人工设计特征且易受复杂背景干扰, 泛化能力较差。深度学习的方法可以自动提取特征且具有良好的抗干扰特性, 对于未来雷达智能感知具有重要意义。不同于其他只能对固定区域进行检测的常规卷积神经网络, 本文提出一种改进型YOLOv3的SAR图像舰船目标检测方法, 该方法基于舰船尺寸与形状自适应采样的可变形卷积、ResNet50变体特征提取器和ShuffleNetv2轻量化思想等设计YOLOv3模型。通过SSDD数据集验证, 在检测效果方面, 相较于原YOLOv3模型, 平均精度从93.21%提高至96.94%, 检测概率从95.51%提高至97.75%;在模型大小方面, 轻量化设计模型仅为原YOLOv3模型的八分之一, 可实现嵌入式的使用。

来源：2021年第4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2021年第4期