基于改进YOLOv5卷积神经网络的SAR图像目标识别

提出一种改进YOLOv5网络，并将其用于SAR图像目标识别。为了优化网络性能，文中进行了三个方面的改进：使用宽度比和高度比作为标注框之间的距离度量，并采用k-means聚类方法生成先验锚点框，作为预测框优化时的框尺寸初始值；改进框回归损失函数，引入Scylla交并比来代替竞争性交并比，以提高对密集分布目标的定位精度；改进置信度损失函数，使用焦点损失来替代二元交叉熵，以提高在复杂背景下的目标识别精度。基于MSAR数据集，选择了YOLOv3、常规YOLOv5作为对比网络，进行了大量的SAR图像目标识别实验。实验结果表明，相比两种对比网络，改进YOLOv5网络对各种目标均具有更高的识别准确率、召回率和F1值，以及更高的综合指标平均精度值和平均精度均值。