来源：期刊VIP网 时间：
作者：王庆;司占军;
单位：天津科技大学人工智能学院;
摘要：近年来随着合成孔径雷达技术（SAR）的发展和深度学习应用的普及，SAR图像轻量化检测成为兴起的一个研究方向。其核心目标是在保证检测精度和可靠性的同时，降低计算和存储需求，使之成为实现快速响应和高效处理的理想选择。基于此，本研究提出一种基于YOLOv8的轻量化SAR图像舰船目标检测算法。首先，将骨干网络中的C2f融合ScConv设计C2f-Sc模块以减少了卷积神经网络中特征之间的空间冗余和通道冗余。同时，将Ghost模块引入颈部网络，有效降低模型参数量和计算复杂度。在颈部网络添加相对轻量级的EMA注意力机制，促进不同层次特征的有效融合。实验结果表明，改进后的模型在mAP@0.5、mAP@0.5:0.95分别提升了0.7%、1.8%的情况下，参数量及GFLOPs别减少了8.5%、7.0%。在做到模型轻量化同时提升了检测精度，具有一定的应用价值。
关键词：YOLOv8;;合成孔径雷达图像;;轻量化;;目标检测
