基于ＹＯＬＯ 框架的輕量化ＳＡＲ 圖像艦船檢測(cè)方法研究

打開(kāi)文本圖片集

摘 要：針對(duì)現(xiàn)有的目標(biāo)檢測(cè)算法對(duì)合成孔徑雷達(dá)（Ｓｙｎｔｈｅｔｉｃ Ａｐｅｒｔｕｒｅ Ｒａｄａｒ，ＳＡＲ） 圖像中的艦船目標(biāo)檢測(cè)精度低、速度慢的問(wèn)題，提出了一種基于ＹＯＬＯ 框架的輕量化ＳＡＲ 圖像艦船檢測(cè)算法?；冢伲希蹋?框架，用Ｇｈｏｓｔ 模塊和高效通道注意力（Ｅｆｆｉｃｉｅｎｔ Ｃｈａｎｎｅｌ Ａｔｔｅｎｔｉｏｎ，ＥＣＡ） 機(jī)制來(lái)改進(jìn)ＳｈｕｆｆｌｅＮｅｔＶ２ 網(wǎng)絡(luò)構(gòu)建新的骨干網(wǎng)絡(luò)，以降低內(nèi)存訪問(wèn)成本，提高特征提取能力；將頸部網(wǎng)絡(luò)中的Ｃ３ 模塊引入多尺度金字塔切分注意力（Ｐｙｒａｍｉｄ Ｓｐｌｉｔ Ａｔｔｅｎｔｉｏｎ，ＰＳＡ） 模塊，充分提取不同尺度特征圖的空間信息，加強(qiáng)多尺度特征融合能力；用輕量級(jí)ＧＳＣｏｎｖ 卷積消除模型冗余特征，在保持檢測(cè)精度的同時(shí)降低模型參數(shù)量。（剩余959字）