一种基于改进YOLOv8的SAR图像舰船目标检测方法、介质及装置与流程

本发明涉及计算机视觉，具体而言，涉及一种基于改进yolov8的sar图像舰船目标检测方法、介质及装置。

背景技术：

1、合成孔径雷达(synthetic aperture radar,sar)作为一种主动式的微波成像系统，可全天候的对地实时检测。因其具有较高的穿透能力，故成像高分辨率较高，在军用领域和民用领域都得到了广泛关注。而我国是一个海洋大国，对舰船的精准检测具有重要的意义。

2、sar图像公开数据集ssdd中主要分为近海和远海两种场景,近海的图像中,海岸边的建筑对舰船的检测造成较大的干扰，网络容易产生误判,而在远海的图像中,往往含有较大的噪声,且舰船目标的尺度非常小。传统的sar图像目标检测方法，如经典且广泛使用的恒定虚警率(constant false alarm rate，cfar)检测算法，易受到复杂背景的干扰，斑点噪声和sar的特殊成像系统会使其性能恶化，难以满足高精度、实时性和强适应性的需求。

3、随着深度学习理论和技术的迅速发展，sar图像处理领域已经广泛应用深度学习技术，它不需要人工设计特征，而且不受场景限制，并且检测性能已远超传统方法。基于深度学习的目标检测算法主要分为两类，一类是以rcnn(region with cnn features)系列为代表的两阶段目标检测算法；另一类是以ssd(single shot multi-box detector)系列和yolo系列为代表的一阶段目标检测算法。其中yolo系列算法因其一阶段目标检测算法的特性，在实时目标检测领域应用广泛。yolo系列的目标检测模型随着yolo v8的引入变得越来越强大，yolov8拥有目前最高的推理速度和非常轻量的模型大小，因此选择yolo v8为检测框架。因此本发明基于yolo v8算法进行改进，并将其应用sar图像目标检测中。

4、在实际应用中，sar图像船舰检测经常面临复杂的海场景，舰船多样尺度不一，还存在近岸环境干扰，相干噪声与背景干扰严重，直接将现有方法应用于sar图像舰船检测时，容易造成中小目标漏检率和误检率较高。因此，需要设计出更有效的目标检测算法满足精准度和实时性。

技术实现思路

1、本发明旨在提供一种基于改进yolov8的sar图像舰船目标检测方法、介质及装置，以解决现有目标检测方法对于sar图像中舰船目标检测效果较差的问题。该方法具有较好的多尺度识别能力，能够提高舰船小目标的检测效果，减少目标的漏检率和错检率。

2、本发明提供的一种基于改进yolov8的sar图像舰船目标检测方法，包括如下步骤：

3、步骤1：将sar类型舰船数据集划分为训练集、测试集和验证集；

4、步骤2：利用训练集和验证集对改进的yolov8检测网络模型进行训练，获取最优检测模型；

5、步骤3：利用所述最优检测模型对测试集中的图片数据进行目标检测。

6、进一步的，所述改进的yolov8检测网络模型的构建过程包括：在原有yolov8检测网络模型的特征提取网络模块中增加4倍下采样特征图。

7、进一步的，所述改进的yolov8检测网络模型的构建过程还包括：在原有yolov8检测网络模型的主干网络末端引入第三代可变性卷积。

8、进一步的，可变形卷积输出特征为：

9、

10、式中，输入特征为x/xg，输出特征图为p0，k为{(-1,-1),(-1,0),...,(0,1),(1,1)}，k中的位置为pk，wg为每组的共享投影权重，mgk表示第g组第k个采样点归一化后的调制因子。

11、进一步的，所述改进的yolov8检测网络模型的构建过程还包括：在原有yolov8检测网络模型的主干网络末端引入ema注意力机制。

12、进一步的，所述改进的yolov8检测网络模型的构建过程还包括：将原有yolov8检测网络模型的ciou损失函数替换成wiou损失函数。

13、本发明还提供一种计算机终端存储介质，存储有计算机终端可执行指令，所述计算机终端可执行指令用于执行上述的基于改进yolov8的sar图像舰船目标检测方法。

14、本发明还提供一种计算装置，包括：

15、至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的基于改进yolov8的sar图像舰船目标检测方法。

16、综上所述，由于采用了上述技术方案，本发明的有益效果是：

17、相比于原始yolov8目标检测方法，本发明在检测sar图像舰船小目标时能够检测出更多的舰船小目标，且置信度更高，漏检率更低，满足实时性检测需求。

技术特征：

1.一种基于改进yolov8的sar图像舰船目标检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于改进yolov8的sar图像舰船目标检测方法，其特征在于，所述改进的yolov8检测网络模型的构建过程包括：在原有yolov8检测网络模型的特征提取网络模块中增加4倍下采样特征图。

3.根据权利要求1所述的一种基于改进yolov8的sar图像舰船目标检测方法，其特征在于，所述改进的yolov8检测网络模型的构建过程还包括：在原有yolov8检测网络模型的主干网络末端引入第三代可变性卷积。

4.根据权利要求3所述的一种基于改进yolov8的sar图像舰船目标检测方法，其特征在于，可变形卷积输出特征为：

5.根据权利要求1所述的一种基于改进yolov8的sar图像舰船目标检测方法，其特征在于，所述改进的yolov8检测网络模型的构建过程还包括：在原有yolov8检测网络模型的主干网络末端引入ema注意力机制。

6.根据权利要求1所述的一种基于改进yolov8的sar图像舰船目标检测方法，其特征在于，所述改进的yolov8检测网络模型的构建过程还包括：将原有yolov8检测网络模型的ciou损失函数替换成wiou损失函数。

7.一种计算机终端存储介质，存储有计算机终端可执行指令，其特征在于，所述计算机终端可执行指令用于执行如权利要求1-6中任一权利要求所述的基于改进yolov8的sar图像舰船目标检测方法。

8.一种计算装置，其特征在于，包括：

技术总结
本发明提供一种基于改进YOLOv8的SAR图像舰船目标检测方法、介质及装置，所述方法包括：步骤1：将SAR类型舰船数据集划分为训练集、测试集和验证集；步骤2：利用训练集和验证集对改进的YOLOv8检测网络模型进行训练，获取最优检测模型；步骤3：利用所述最优检测模型对测试集中的图片数据进行目标检测。相比于原始YOLOv8目标检测方法，本发明在检测SAR图像舰船小目标时能够检测出更多的舰船小目标，且置信度更高，漏检率更低，满足实时性检测需求。

技术研发人员：李雪,高宏力,邓淏荣
受保护的技术使用者：中国电子科技集团公司第十研究所
技术研发日：
技术公布日：2024/3/12