电讯技术

作者：毛云龙,葛睿,未行成,李思

单位：(1.江苏科技大学 海洋学院，江苏 镇江 212003;2.上海大学 机电工程与自动化学院，上海 528463)

关键词：SAR图像；舰船目标检测；YOLO-v7；CA注意力机制；GraffeDet-Lite；

合成孔径雷达（Synthetic Aperture Radar，SAR）图像中舰船小目标尺寸小、分辨率低、特征提取难，容易出现漏检和误检导致识别准确率不高。为此，提出改进YOLO-v7网络以增强对小目标特征的提取，从而提高识别检测准确率。针对采用YOLO-v7进行SAR图像船舰小目标检测过程中特征通道信息缺失的问题，通过在主干特征提取网络中引入了坐标注意力机制(Coordinate Attention，CA)，避免了输入特征在提取过程中位置的丢失。然后，引入“重脖子”的GraffeDet-Lite网络架构替换颈部网络（Path Aggregation Network，PANet）结构来获得更细粒度和更强化的特征，提高多尺度特征利用率和检测精度；接着，在检测头中采用高效交并损失比函数（Efficient Intersection over Union Loss，EIOU Loss）提升目标定位效果，进而提高SAR舰船图像算法检测精度。通过RSDD-SAR：SAR舰船斜框检测数据集对比实验表明，提出的改进YOLO-v7算法能有效提高SAR图像船舰小目标识别检测能力，漏检情况得到明显改善，识别准确率达到了90.8%，与未改进前的YOLO-v7相比提高了3.2%。

来源：2025年第12期

《电讯技术》期刊编辑部

查看电讯技术杂志2025年第12期