一种基于改进YOLOv4的SAR舰船检测算法

来源：电子测量技术杂志2022年第11期北京时间：

作者：陈洋，张明，杨立东，喻大华，张宝华，李建军

单位：1.内蒙古科技大学信息工程学院 内蒙古包头 014010;2.大连海事大学信息科学与技术学院 辽宁大连116026

摘要：在大量数据支持的背景下，如何高效利用大量SAR图像，提升舰船目标的检测精度是当前舰船目标检测的难题。本文聚焦如何提升YOLOv4算法对SAR舰船目标的检测精度，提出了一种融合多尺度和注意力增强的YOLOv4增强算法。在原YOLOv4的PANet中加入注意力模块（CBAM），同时使用加强的K-means聚类算法对数据集中的舰船目标真实框进行聚类，并对锚框结果进行线性比例变换，让算法锚框更适合于训练集。实验证明本文提出的算法在SAR舰船检测中的平均准确率（）达到了94.05%，比原始YOLOv4精度提高了0.7%。实验结果充分证明本文提出的算法能够提升SAR舰船图像检测精度，为海上活动判断精确化提供技术支持。

关键词：SAR图像; 舰船检测; 深度学习; 注意力机制; k-means