基于YOLOv5的轻量化SAR图像舰船目标检测方法技术

本发明专利技术公开了一种基于YOLO v5的轻量化SAR图像舰船目标检测方法，步骤如下：获取SAR图像数据集，通过仿真成像得到SAR图像舰船目标仿真数据集以及公共SAR船舶探测数据集，对数据集预处理之后划分为训练样本集和测试样本集；建立改进轻量化YOLO v5模型；将训练数据集输入改进轻量化YOLO v5模型中进行训练，得到训练好的改进轻量化YOLO v5模型；将测试数据集输入到训练好的改进轻量化YOLO v5模型，得到检测识别结果。本发明专利技术提出的改进轻量化YOLO v5模型可以更为准确地识别出SAR图像中的舰船，大幅降低了模型大小以及测试时间，显著提高了检测精度。著提高了检测精度。著提高了检测精度。

【技术实现步骤摘要】
基于YOLO v5的轻量化SAR图像舰船目标检测方法


[0001]本专利技术属于雷达目标检测
，具体涉及一种基于YOLO v5的轻量化SAR图像舰船目标检测方法。

技术介绍

[0002]雷达图像目标检测是近年来众多学者研究关注的领域，根据有无候选框生成的阶段，基于深度学习的主流目标检测算法有单阶段和两阶段两类。单阶段的目标检测算法检测速度更快，但检测精度相对较低。近来，随着一些改进方案的加入，其检测精度大幅提升甚至超越两阶段模型。
[0003]YOLO系列是单阶段检测模型的代表，仅通过端到端的训练即可完成模型的构建。因YOLO的实时性优点，已逐渐成为雷达图像目标检测领域的研究重点。YOLO系列的目标检测模型随着YOLO v5的引入变得越来越强大，YOLO v5拥有目前最高的推理速度，有非常轻量的模型大小，因此选择YOLO v5为检测框架。因此本专利技术基于YOLO v5算法进行改进，并将其应用于轻量化SAR图像目标检测中。
[0004]在实际应用中，SAR图像船舰检测经常面临复杂的海场景，舰船多样尺度不一，还存在近岸环境干本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于YOLO v5的轻量化SAR图像舰船目标检测方法，其特征在于，包括如下步骤：步骤1、获取SAR图像数据集：通过仿真成像得到SAR图像舰船目标仿真数据集以及公共SAR船舶探测数据集，对SAR图像进行预处理并划分为训练数据集和测试数据集；步骤2、建立改进轻量化YOLO v5模型，即把YOLO v5的主干网络替换为RepVGG网络结构，并联合表征增强模块和特征注意模块对其进行改进，表征增强模块基于非对称卷积进行改进，特征注意模块基于SE注意力机制构成，将激活函数替换成SiLU激活函数；步骤3、将训练数据集输入改进轻量化YOLO v5模型中进行训练，得到训练好的改进轻量化YOLO v5模型；步骤4、将测试数据集输入到训练好的改进轻量化YOLO v5模型，得到检测识别结果。2.根据权利要求1所述的基于YOLO v5算法的复杂海场景下的轻量化SAR图像舰船目标检测方法，其特征在于，步骤2中，建立基于多模块融合的多支RepVGG网络的轻量化YOLO v5模型，即把YOLO v5的主干网络替换为RepVGG网络结构，在RepVGG的训练推理双阶段轻量基础上，训练阶段新增一条新残差分支，融合基于非对称卷积的表征增强模块、基于SE通道注意力的特征注意模块以及SiLU激活函数。3.根据权利要求2所述的基于YOLO v5算法的复杂海场景下的轻量化SAR图像舰船目标检测方法，其特征在于，通过残差方式混合常规卷积与非对称卷积，实现基于非对称卷积的表征增强模块；非对称卷积是将n
×
n的卷积核转变成n
×
n、1
×
n和n
×
1三个并行卷积核；并将1
×
n和n
×
1通过n
×
n卷积核的中心展开；训练后将n
×
n卷积核直接与1
×
n和n
×
1卷积核融合，并在1
×
n和n
×
1卷积核之间添加非线性激活函数。4.根据权利要求2所述的基于YOLO v5算法的复杂海场景下的轻量化SAR图像舰船目标检测方法，其特征在于，在每一层常规卷积和非对称卷积中加入SE通道注意力，构建基于通道注意力的特征注意模块。5.一种基于YOLO v5的轻量化SAR图像舰船目标检测系统，其特征在于，包括：第一模块，通过仿真成像得到SAR图像舰船目标仿真数据集以及公共SAR船...

【专利技术属性】
技术研发人员：谷继红，丁大志，温媛媛，张佳琦，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：