基于改进YOLOv11的SAR图像小目标船舶检测

来源：计算机工程与应用杂志2026年第1期北京时间：

作者：艾君鹏, 蒋海军, 罗亮, 郝连东, 王仕杰

单位：1.武汉理工大学 三亚科教创新园，海南 三亚 572000；2.武汉理工大学 船海与能源动力工程学院，武汉 430063；3.贵州省港航集团有限公司，贵阳 550081

摘要：复杂的海况背景、目标多尺度特性及传感器噪声等因素，给基于合成孔径雷达（SAR）图像的船舶检测带来了巨大挑战。因此，提出了一种基于改进YOLOv11的SAR图像小目标船舶检测模型。使用深度可分离卷积构建新骨干网络，减少计算量和参数量；采用SE注意力机制替换C2PSA注意力，增强特征提取能力；设计残差空间通道重建卷积模块替换C3K2，提升特征表示能力；使用NWD损失函数代替CIoU损失函数，使模型推理更关注于小目标。实验结果表明，改进的模型在HRSID数据集上的mAP@0.5和召回率较YOLOv11分别提升1.5个百分点和1.4个百分点，参数量为1.39×107，推理时间为0.51?s。与主流模型相比，改进模型在检测精度和速度上均表现出优越性。此外，模型在SSDD和RSDD数据集上的泛化性测试也取得了较好的结果。综上，改进的模型在SAR图像小目标船舶检测任务中具有较高的应用潜力和推广价值。

关键词：YOLOv11,合成孔径雷达（SAR）图像,船舶检测,深度可分离卷积,残差空间通道重建卷积,归一化曼哈顿距离（NWD）损失函数