RCSA-YOLO：改进YOLOv8的SAR舰船实例分割

来源：计算机工程与应用杂志2024年第18期北京时间：

作者：王磊, 张斌, 吴奇鸿

单位：武汉工程大学 智能机器人湖北省重点实验室，武汉 430205

摘要：针对合成孔径雷达（synthetic aperture radar，SAR）图像中背景复杂、目标小和尺度变化大等导致分割精度低的问题，提出了一种基于改进YOLOv8的SAR图像舰船实例分割算法RCSA-YOLO。利用结构重参数技术设计特征提取模块RepBlock，用以替换原网络中的C2f模块，增强网络的特征提取和特征表达能力，有效过滤了复杂背景噪声的干扰。使用基于内容感知的特征重组模块（content-aware reassembly of features，CARAFE）替换最近邻上采样方法，有效缓解了小目标信息丢失现象，提升了分割精细化程度。使用可切换空洞卷积（switchable atrous convolution，SAC）进行下采样操作，动态调整感受野大小，使模型具备更强的多尺度适应能力，确保了在不同尺寸舰船目标上的分割精度。在HRSID数据集上的实验结果表明，提出的算法可以将YOLOv8模型的AP50值从87.7%提高到90.7%，较原算法提高了3个百分点。与主流的实例分割算法对比，SAR舰船实例分割精度也明显提升，证明了RCSA-YOLO的有效性。

关键词：合成孔径雷达,结构重参数化,上采样,可切换空洞卷积