基于改进YOLOv7的SAR图像舰船目标检测算法

作     者：张上 李梦思 陈永麟 张卓 ZHANG Shang;LI Mengsi;CHEN Yonglin;ZHANG Zhuo

作者机构：水电工程智能视觉监测湖北省重点实验室湖北宜昌443000 湖北省建筑质量检测装备工程技术研究中心湖北宜昌443000 三峡大学计算机与信息学院湖北宜昌443000 

出 版 物：《电光与控制》 (Electronics Optics & Control)

年 卷 期：2024年第31卷第5期

页      面：46-53页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家级大学生创新创业训练计划(202111075012 202011075013) 

主　　题：目标检测 YOLOv7 模型轻量化 Shuffle Attention DSConv NWD 

摘      要：针对SAR舰船数据集小物体在图像中像素占比小、物体识别不清、检测效率低等问题,提出一种改进YOLOv7的SAR舰船目标检测算法STSD-YOLO。首先,根据SAR图像特点,重新设计网络结构,改变多尺度特征融合与特征提取的关系,解决下采样次数过多而丢失细节特征的问题;然后,使用轻量型注意力机制Shuffle Attention,在空间域与通道域注意力机制基础上,融合特征分组与通道置换,提升网络特征提取能力,降低计算复杂度;其次,引入卷积变体DSConv,通过在可变量化内核中仅储存整数来实现减少计算量;最后,加入NWD度量,将边界框建模为2D高斯分布,以衡量小物体的边界框之间的相似性来增强对小物体的检测性能。使用HRSID舰船数据集进行了实验验证,结果表明,相较于基准算法,所提STSD-YOLO算法在舰船检测任务中mAP提升9.9%,模型体积下降62.55%。通过对比实验验证,所提改进算法对比其余主流算法检测效果更优,能有效解决SAR图像检测的问题,可以胜任SAR图像中的舰船检测任务。