基于改进YOLOv8的SAR图像飞机目标检测算法

来源：电讯技术杂志2024年第8期北京时间：

作者：陈益方,张上,冉秀康,王杰

单位：(三峡大学 a.电气与新能源学院 ;b.湖北省建筑质量检测装备工程技术研究中心;c.计算机与信息学院，湖北 宜昌 443002)

摘要：针对合成孔径雷达（Synthetic Aperture Radar,SAR）图像飞机目标检测算法存在模型复杂度较高、检测效果差、泛化能力弱等问题，提出了一种基于改进YOLOv8的SAR图像飞机目标检测算法。首先，针对SAR图像飞机目标较小的特点，剔除大目标检测层，重构特征提取网络和特征融合网络，降低模型计算量。其次，在主干网络引入可变形卷积（Deformable Convolutional Network，DCN），增强特征提取能力；在颈部网络引入全局注意力机制（Global Attention Mechanism，GAM）提高检测精度。最后，采用WIOU（Wise-IoU）损失函数提高收敛速度和回归精度。在SADD数据集（SAR Aircraft Detection Dataset）上实验结果显示，改进算法较原YOLOv8算法模型体积压缩59.66%，参数量降低61.18%，计算量减少18.29%，最高精度提高至98.1%。与其他算法相比，所提算法在保证较高检测精度的情况下大幅降低了模型体积、参数量和计算量，实现了模型复杂度和检测精度的平衡。

关键词：合成孔径雷达；飞机目标检测；网络重构；可变形卷积；GAM注意力机制；

基金资助：国家级大学生创新创业训练计划（202011075013, 202111075012）