引用格式：李佳芯，朱卫纲，杨莹，等．基于改进ＹＯＬＯｖ５的ＳＡＲ图像飞机目标检测［Ｊ］．电光与控制，２０２３，３０（８）：６１⁃６７．ＬＩＪＸ，ＺＨＵＷＧ，ＹＡＮＧＹ，ｅｔａｌ．ＤｅｔｅｃｔｉｏｎｏｆａｉｒｃｒａｆｔｔａｒｇｅｔｓｉｎＳＡＲｉｍａｇｅｓｂａｓｅｄｏｎｉｍｐｒｏｖｅｄＹＯＬＯｖ５［Ｊ］．ＥｌｅｃｔｒｏｎｉｃｓＯｐｔｉｃｓ＆Ｃｏｎｔｒｏｌ，２０２３，３０（８）：６１⁃６７．基于改进ＹＯＬＯｖ５的ＳＡＲ图像飞机目标检测李佳芯ａ，朱卫纲ｂ，杨莹ａ，邱琳琳ａ，朱霸坤ａ（航天工程大学，ａ．研究生院；ｂ．电子与光学工程系，北京１０１０００）摘要：针对当前ＳＡＲ图像中飞机检测尺寸较小导致小目标检测率低、虚警率高的问题，提出一种基于ＹＯＬＯｖ５的改进方法。先采用Ｋ⁃ｍｅａｎｓ聚类算法针对飞机小目标尺寸优化锚框，在主干网络融合ＳｗｉｎＴｒａｎｓｆｏｒｍｅｒ模块，同时引入自适应学习权重的多尺度特征融合机制和全局注意力机制（ＧＡＭ），使网络跨越空间通道维度放大全局维度交互，提高模型捕获不同维度信息的能力；并且增加一个小目标检测层，提高网络对ＳＡＲ图像飞机小目标检测能力。实验结果表明，相较于原ＹＯＬＯｖ５方法，改进方法在ＳＡＲ图像尺寸较小飞机目标的检测上具有更强的特征提取能力和更高的检测精度。关键词：ＳＡＲ图像；小目标检测；ＹＯＬＯｖ５；ＳｗｉｎＴｒａｎｓｆｏｒｍｅｒ；ＧＡＭ中图分类号：ＴＮ９１１．７文献标志码：Ａｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７１－６３７Ｘ．２０２３．０８．０１１ＤｅｔｅｃｔｉｏｎｏｆＡｉｒｃｒａｆｔＴａｒｇｅｔｓｉｎＳＡＲＩｍａｇｅｓＢａｓｅｄｏｎＩｍｐｒｏｖｅｄＹＯＬＯｖ５ＬＩＪｉａｘｉｎａ，ＺＨＵＷｅｉｇａｎｇｂ，ＹＡＮＧＹｉｎｇａ，ＱＩＵＬｉｎｌｉｎａ，ＺＨＵＢａｋｕｎａ（ＵｎｉｖｅｒｓｉｔｙｏｆＡｅｒｏｓｐａｃｅＥｎｇｉｎｅｅｒｉｎｇ，ａ．ＧｒａｄｕａｔｅＳｃｈｏｏｌｏｆＡｅｒｏｓｐａｃｅＥｎｇｉｎｅｅｒｉｎｇ；ｂ．ＤｅｐａｒｔｍｅｎｔｏｆＥｌｅｃｔｒｏｎｉｃｓａｎｄＯｐｔｉｃｓ，Ｂｅｉｊｉｎｇ１０１０００，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｏｆｌｏｗｄｅｔｅｃｔｉｏｎｒａｔｅｏｆｓｍａｌｌｔａｒｇｅｔｓａｎｄｈｉｇｈｆａｌｓｅａｌａｒｍｒａｔｅｄｕｅｔｏｔｈｅｓｍａｌｌｓｉｚｅｏｆａｉｒｃｒａｆｔｉｎ...
