基于改进YOLOv5卷积神经网络的SAR图像目标识别 |
| |
作者姓名: | 曾祥书 黄一飞 蒋忠进 |
| |
作者单位: | 东南大学毫米波国家重点实验室 |
| |
基金项目: | 国家自然科学基金资助项目(61890544,91748106); |
| |
摘 要: | 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。
|
关 键 词: | 卷积神经网络 YOLOv5网络 SAR图像 目标识别 |
|