来源：期刊VIP网 时间：
作者：杨明秋;陈国坤;董燕;左小清;
单位：昆明理工大学国土资源工程学院;云南省教育厅高原遥感重点实验室;
摘要：针对目前SAR影像船舰目标检测方法存在多场景下检测精度不高、漏检、模型泛化能力差的问题，尝试以YOLOv8s网络为基础，提出新的注意力机制D-CBAM,并定义新的损失函数RIoU,以及将最新的可变形卷积DCNv4替换标准卷积，引入融合空间金字塔池化focal modulation networks来提升网络性能，提出的网络命名为DR＿YOLOv8s++检测网络。为验证DR＿YOLOv8s++网络的有效性和通用性，在SSDD、HRSID数据集上进行实验。结果表明，所提出算法的平均精度均值分别达到98%、97.5%,优于其他经典算法，模型性能提升明显，同其他目标检测算法相比，具有较强的泛化能力。
关键词：船舰目标检测;;SAR影像;;注意力机制;;可变形卷积;;融合空间金字塔池化;;损失函数
基金资助：云南省科技厅基础研究计划面上项目(202401AT070366);; 云南省重大科技专项计划(202202AD080010);; 国家自然科学基金(42161067)
