典型文献
基于YOLO V5的噪声条件下SAR图像舰船目标检测
文献摘要：
为了提高YOLO V5模型对含高斯噪声合成孔径雷达(SAR)图像舰船目标的检测能力,提出一种改进的Fo-cus结构,通过添加最大池化层、最小池化层、平均池化层、图像抽样层等结构,将图像切分过程改进为特征提取过程,通过构建混合样本集,得到目标检测模型.仿真结果表明,在不同程度的高斯噪声条件下,基于改进Focus结构的YOLOV5模型与经典的YOLO V5模型相比,检测效果得到明显提升,可有效实现含噪声目标的检测.
文献关键词：
目标检测;YOLOV5;合成孔径雷达
中图分类号：
作者姓名：
李丹阳;冯海兵;聂孝亮;袁路;陈冬冬
作者机构：
解放军63892部队,河南洛阳471003
文献出处：
引用格式：
[1]李丹阳;冯海兵;聂孝亮;袁路;陈冬冬-.基于YOLO V5的噪声条件下SAR图像舰船目标检测)[J].舰船电子对抗,2022(06):68-72,99
A类：
B类：
噪声条件,SAR,舰船目标检测,高斯噪声,合成孔径雷达,检测能力,最大池化,小池,平均池化,切分,分过,过程改进,混合样本,样本集,目标检测模型,Focus,YOLOV5,检测效果
AB值：
0.354494
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。
