基于回归模型与注意力的轻量化SAR舰船检测模型

合成孔径雷达（SAR）具有不受云层干扰、可全天时、全天候对地观测的特点，基于SAR图像的舰船检测已广泛用于海洋搜救、港口侦察、领海防御等民用或军用领域。然而，与大型舰船相比，像素点少、对比度低的小型舰船存在漏检率高的问题，并且速度和精度之间的平衡成为舰船检测算法天基应用的难点。针对以上问题，本文提出了一种基于YOLOv5s模型改进的舰船检测轻量化模型（ImShips）。首先，针对船体大小差异导致的漏检问题，采取在网络底部使用感受野较小的标准卷积，提升了模型对小规模舰船空间信息的获取能力。同时，在网络顶部设计了放大感受野的扩张卷积，保留了更多的语义特征，有利于大目标的特征提取。接着，提出将轻量级的通道注意力机制应用于YOLOv5的骨干网络和特征融合网络，通过对提取到的特征按重要性分配权重，实现纹理信息的筛选。最后，在下采样时采取深度可分离卷积代替标准卷积，减少了模型参数的数量，进一步提高了模型的推理速度。实验结果表明，在SAR舰船检测SSDD和ISSID数据集中，改进后的ImShips模型在保证精度的同时，所需的浮点计算数比YOLOv5s模型减少了45.61%，检测速度提高了8.31%。ImShips模型网络规模小、检测速度快，在实时天基舰船检测中具有较大的应用潜力。

The research on lightweight SAR ship detection method based on regression model and attention