计算机科学与探索

作者：吕伏, 郑禹, 齐光尧, 李浩然

单位：1. 辽宁工程技术大学 软件学院，辽宁 葫芦岛 1251052. 辽宁工程技术大学 基础教学部，辽宁 葫芦岛 125105

关键词：合成孔径雷达,舰船目标斜框检测,深度学习,多尺度,特征增强

基金：国家自然科学基金面上项目（51874166，52274206）；国家自然科学基金青年基金（51904144）。

针对目前合成孔径雷达（SAR）图像舰船目标斜框检测算法中存在的参数量过大难以满足实时化检测需求以及边界不连续的问题，提出了一种基于极坐标编解码的轻量化SAR舰船目标斜框检测算法。基于ShuffleNetV2的Shuffle单元并利用轻量高效的PC卷积和Ghost卷积，提出了卷积协同单元，实现优化卷积操作，减少算法的复杂度。引入极坐标编解码方法，并提出余弦调和IoU加权损失函数，动态调节极坐标编码损失，解决斜框检测存在的边界不连续问题，同时使用双峰最大池化和椭圆二维高斯分布对极坐标编解码方法进行改进，以提高对近岸密集排布舰船的检测精度。提出多尺度条形卷积注意力模块和空间选择特征增强模块，通过获取不同尺度特征信息，以提高网络特征提取能力。在SSDD+和DSSDD数据集上的实验结果表明，该算法分别实现了85.7%和90.6%的检测精度，并在HRSID数据集上进行泛化测试，检测精度可达82.3%。相较于同类算法在检测精度相近的情况下，参数量和浮点运算量低于同类算法的1/10，仅为0.87 MB和1.21 GFLOPs，检测速度可达135 FPS，满足实时性检测需求。

来源：2025年第6期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第6期