典型文献
基于旋转损失函数RCIoU的SAR图像舰船目标检测方法
文献摘要：
提出一种合成孔径雷达(synthetic aperture radar,SAR)图像旋转舰船检测方法,以提高SAR图像中旋转舰船的检测精度.从先验框设计和边界框回归公式对YOLOv4-CSP目标检测网络进行改进,加入旋转角度使其适用于基于旋转框的检测场景;提出一种基于旋转边界框外接圆和交并比的损失函数,该函数不仅考虑预测框和真实框的中心点的距离,而且考虑旋转框各个参数之间的相关性,具有很好的效果;为进一步提升SAR图像中的舰船检测精度,引入转移注意力模块,使得网络能够充分学习有效特征,提高检测精度.试验结果证明,改进后的模型结合提出的损失函数能够有效提升旋转舰船的检测精度,在图像分辨率为416像素×416像素情况下,平均精度均值(mean average precision,mAP)达到95.79％;加入注意力模块后,在图像分辨率为416像素×416像素情况下,mAP达到96.40％,在图像分辨率为800像素×800像素情况下,mAP达到96.98％.本研究不仅可以为海洋监测等应用提供重要的技术支持,还具有重要的理论价值和应用价值.
文献关键词：
合成孔径雷达;舰船检测;RCIoU;旋转框;YOLOv4-CSP;转移注意力
中图分类号：
作者姓名：
郑子阳;张婷;刘兆英;李玉鑑;SUN Changming
作者机构：
北京工业大学信息学部,北京100124;桂林电子科技大学人工智能研究院,广西 桂林 541004;澳大利亚联邦科工组织,新南威尔士州 悉尼1710
文献出处：
引用格式：
[1]郑子阳;张婷;刘兆英;李玉鑑;SUN Changming-.基于旋转损失函数RCIoU的SAR图像舰船目标检测方法)[J].山东大学学报（工学版）,2022(02):15-22
A类：
RCIoU
B类：
损失函数,SAR,舰船目标检测,目标检测方法,合成孔径雷达,synthetic,aperture,radar,像旋,舰船检测,检测精度,从先,先验框,边界框回归,回归公式,YOLOv4,CSP,目标检测网络,旋转角度,旋转框,外接圆,交并比,该函,中心点,转移注意力,注意力模块,有效特征,高检,图像分辨率,像素,平均精度均值,mean,average,precision,mAP,海洋监测,理论价值
AB值：
0.332556
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
