Lightweight model for SAR ship detection incorporating deformable convolution and attention mechanism

目的针对合成孔径雷达（synthetic aperture radar，SAR）图像舰船检测中因背景复杂、目标尺寸各异等因素导致的漏检、误检结果，提出一种基于YOLOv8（you only look once v8）的改进算法。方法首先，轻量化处理YOLOv8的原有网络结构，大幅降低网络的冗余度，使轻量化的网络更适合SAR图像舰船检测任务。其次，在主干网络中融入可变形卷积，增强模型对目标的感知能力，能更好地适应目标形变和复杂背景；同时，在颈部网络融入卷积注意力模块，减弱背景信息的干扰，使网络更专注舰船目标的特征。最后，采用EIoU（efficient intersection over union）损失函数，最小化预测框与真实框间的差值（包括宽度和高度），实现更快的收敛速度。结果分别在SSDD（SAR ship detection dataset）和HRSID（high-resolution SAR images dataset）上进行测试，结果表明，改进算法的检测性能优于当前几种流行的目标检测算法。其中，与YOLOv8相比，在两个公开数据集上，改进算法的精度评估指标mAP（mean average precision）@0.5分别提升0.68%和1.29%，[email protected]分别提升3.32%和3.10%，其处理速度FPS（frames per second）分别提升22帧/s和18帧/s。结论本文在轻量化处理YOLOv8基础上融合可变形卷积与注意力机制构建的改进算法，能实现SAR舰船检测精度和速度的双重提升。