典型文献
基于YOLO框架的无锚框SAR图像舰船目标检测
文献摘要：
面向合成孔径雷达(synthetic aperture radar,SAR)多 目标检测应用,提出了一种基于YOLO(you only look once)框架的无锚框SAR图像舰船目标检测方法.该方法针对YOLOv3锚框需要预先设定且无法完美契合的弊端,通过采用无锚框方法更好适应所检测目标的大小,便于多尺度目标使用.在此基础上,给CSP-Darknet53网络增加了注意力机制作为特征提取网络,然后经过能够增大感受野的改进特征金字塔网络(feature pyramid network,FPN)后,把特征图传给无锚框检测头,有效提升了 目标类别和位置的预测精度.实验证明,所提算法在公开SAR舰船数据集上平均精度比YOLOv3提高3.8％,达到了 94.8％,虚警率降低4.8％.
文献关键词：
合成孔径雷达图像;YOLO;无锚框;舰船目标检测
中图分类号：
作者姓名：
贾晓雅;汪洪桥;杨亚聃;崔忠马;熊斌
作者机构：
火箭军工程大学作战保障学院,陕西西安710025;北京遥感设备研究所,北京100854;中国航天科工集团有限公司科研生产部,北京100048
文献出处：
引用格式：
[1]贾晓雅;汪洪桥;杨亚聃;崔忠马;熊斌-.基于YOLO框架的无锚框SAR图像舰船目标检测)[J].系统工程与电子技术,2022(12):3703-3709
A类：
B类：
SAR,舰船目标检测,synthetic,aperture,radar,检测应用,you,only,look,once,目标检测方法,YOLOv3,无锚框方法,多尺度目标,CSP,Darknet53,注意力机制,特征提取网络,感受野,改进特征,特征金字塔网络,feature,pyramid,network,FPN,特征图,图传,传给,无锚框检测,检测头,虚警率,合成孔径雷达图像
AB值：
0.383928
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。
