来源：期刊VIP网 时间：
作者：杨可;司占军;张滢雪;石金玉;
单位：天津科技大学人工智能学院;
摘要：针对当前合成孔径雷达（Synthetic Aperture Radar, SAR）图像目标检测方法不能够适应不同尺寸目标、图像背景复杂导致的检测精度低等问题，本研究提出了一种基于改进YOLOv7的SAR图像小目标检测方法。该方法对特征提取网络进行改进，在骨干网络中使用SAC卷积帮助模型捕获不同尺度的目标信息，提高对小目标的特征提取能力。同时基于注意力机制，在原始目标检测头上嵌入DyHead模块，在降低复杂背景影响的同时更好地筛选小目标。此外，引入NWD损失函数与CIoU损失函数相结合，相比于原CIoU损失函数，NWD损失函数更加注重对小目标的处理，从而进一步提高了对小目标的检测能力。通过在数据集HRSID上的实验结果表明，改进后方法的mAP@0.5、mAP@0.95分别为93.5%、71.5%，相比基线模型分别提升了7.2%、7.6%，其能够有效地完成SAR图像小目标检测任务。
关键词：小目标检测;;合成孔径雷达;;YOLOv7;;DyHead模块;;可切换的空洞卷积
