典型文献
基于YOLOv5的多分支注意力SAR图像舰船检测
文献摘要：
针对合成孔径雷达图像噪声大,成像特征不明显,尤其在面对海陆边界、港口码头、近岸岩礁等复杂场景,通常的检测算法对SAR图像目标特征提取困难,导致检测精度不高,出现误检漏检等问题.在YOLOv5的基础上设计了一种旋转的目标检测方法,提出了多分支注意力模块可以跨维度的信息融合,能更好地提取SAR图像目标中的位置信息和语义信息,以提高检测精度.此外,由于旋转目标检测会产生边界不连续问题影响边界框的回归,因此,利用了圆形平滑标签的方法将角度参数从回归问题转为分类问题,由此提高了精度.最后在HRSID、SSDD+数据集上进行了实验,精度分别达到84.98％和90.13％,比原始的YOLOv5算法分别提升了 1.29％和2.57％,实验结果证明所提算法的有效性.
文献关键词：
合成孔径雷达;旋转目标检测;多分支注意力;圆形光滑标签
中图分类号：
作者姓名：
胡欣;马丽军
作者机构：
长安大学电子控制与工程学院 西安 710000
文献出处：
引用格式：
[1]胡欣;马丽军-.基于YOLOv5的多分支注意力SAR图像舰船检测)[J].电子测量与仪器学报,2022(08):141-149
A类：
SSDD+,圆形光滑标签
B类：
YOLOv5,多分支注意力,SAR,舰船检测,合成孔径雷达图像,图像噪声,成像特征,海陆,港口码头,近岸,岩礁,复杂场景,检测算法,目标特征,检测精度,检漏,漏检,目标检测方法,注意力模块,信息融合,位置信息,语义信息,高检,旋转目标检测,影响边界,边界框,圆形平滑标签,回归问题,分类问题,HRSID
AB值：
0.388287
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。
