基于YOLOX网络的SAR图像舰船目标检测
来源：雷达科学与技术杂志2023年第3期北京时间：
作者：曾祥书，黄一飞，蒋忠进
单位：东南大学毫米波国家重点实验室， 江苏南京 210096
摘要：针对SAR图像舰船目标尺寸大小不一、舰船分布密集、背景复杂等问题，本文提出一种改进YOLOX网络并用于SAR图像舰船目标检测。该网络包括主干特征提取网络、加强特征提取网络、解耦头、预测框优化及损失计算等4个部分。与常规YOLOX网络相比，本文作了如下改进：首先，在主干特征提取网络中，3个基础特征层之后都添加了CA模块；在加强特征提取网络中，两处下采样之后也都添加了CA模块。以强化对SAR图像中重要区域的特征提取。其次，在框回归损失函数中，引入CIOU替代IOU，以更好地利用预测框和真实框之间的相对位置信息和形状信息，提升预测框回归精度。本文基于AIR?SARSHIP?2.0数据集进行了大量的舰船目标检测实验，并选择了Faster?RCNN、YOLOv3和常规YOLOX等3种网络与本文的改进YOLOX网络进行对比。实验结果表明，本文的改进YOLOX网络整体性能优于其他3种对比网络，有更少的虚警和漏警、更高的检测精度。
关键词：深度学习,YOLOX,SAR图像,舰船目标检测,
基金资助：国家自然科学基金（No.61890544）
