典型文献
基于YOLOv5的近岸SAR舰船目标检测方法
文献摘要：
由于类似舰船的陆地目标的干扰和舰船的紧密排列,基于合成孔径雷达(SAR)图像的近岸舰船检测会出现较多漏检和误检,提出了一种基于YOLOv5网络的近岸舰船的检测方法.为提高近岸背景下的检测精度,使用了注意力机制模型和CSL的技术用于改进网络;分析了YOLOv5网络、注意力模型和CSL算法,基于YOLOv5进行了检测实验,引入注意力模型来改进网络;结合CSL算法,重构了YOLOv5旋转检测网络.通过调整训练参数和改进注意力,近岸目标检测网络的测试结果达到mAP 80％以上,证实了CSL+YOLOv5算法实现旋转检测的可行性.
文献关键词：
合成孔径雷达(SAR);舰船检测;卷积神经网络;YOLOv5网络;注意力机制模型;CSL算法
中图分类号：
作者姓名：
富强;杨威;陈杰;郑世超;楚博策
作者机构：
北京航空航天大学 电子信息工程学院,北京100191;上海卫星工程研究所,上海200240;中国电子科技集团公司 航天信息应用技术重点实验室,河北 石家庄050081
文献出处：
引用格式：
[1]富强;杨威;陈杰;郑世超;楚博策-.基于YOLOv5的近岸SAR舰船目标检测方法)[J].上海航天（中英文）,2022(03):67-76,90
A类：
CSL+YOLOv5
B类：
近岸,SAR,舰船目标检测,目标检测方法,合成孔径雷达,舰船检测,漏检,检测精度,注意力机制模型,进网,注意力模型,整训,目标检测网络,mAP,算法实现
AB值：
0.206695
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。
