基于改进YOLOv7网络的SAR图像舰船目标检测方法

来源：电讯技术杂志2024年第12期北京时间：

作者：胡慧中,毛玉明,张文康,丁青艳

单位：(1.山东交通学院 信息科学与电气工程学院，济南 250357;2.山东省计算中心国家超级计算济南中心，济南 250014)

摘要：针对合成孔径雷达（SAR）图像在舰船检测过程中因其环境复杂、舰船尺寸多样而导致检测精度低的问题，提出了一种轻量级的Cross Stage Ghostnetv2(CSG)模块替换YOLOv7网络中的ELAN模块和ELAN-W模块，减少网络的参数数量和计算成本；在颈部网络中引入ConvNeXt模块，加强图片的特征提取能力以提高小目标的检测能力；最后采用K-means++ 聚类自动生成锚框，提高算法的识别精度。在SSDD数据集（SAR Ship Detection Dataset）上的实验结果显示，该算法的平均精度均值mAP@0.5较YOLOv7提升4%，模型参数Params下降10.9%，计算量GFLOPs减少63.7%，在提高精确度的情况下大幅度降低了模型复杂度。实验结果证明了该算法在舰船目标检测上的有效性。

关键词：合成孔径雷达图像；舰船目标检测；YOLOv7；

基金资助：国家重点研发计划（2023YFC3304900）；中央引导地方科技发展资金项目（YDZX2023050）;山东省海洋环境水下无线传感器网络体系结构研究与设计（2018GGX101038）