原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
计算机科学与探索1673-9418/2025/19(06)-1564-16
JournalofFrontiersofComputerScienceandTechnologydoi:10.3778/j.issn.1673-9418.2405094
极坐标编解码的轻量化SAR图像舰船斜框检测算法
1,21+11
吕伏，郑禹，齐光尧，李浩然
1.辽宁工程技术大学软件学院，辽宁葫芦岛125105
2.辽宁工程技术大学基础教学部，辽宁葫芦岛125105
+通信作者E-mail:z163.com
摘要：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0.87MB和1.21GFLOPs，检测速度可达135FPS，满足实时性检测需求。
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
文献标志码：A中图分类号：TP391
LightweightSARImageShipObliqueFrameDetectionAlgorithmBasedonPolar
CoordinateEncodingandDecoding
1,21+11
LYUFu,ZHENGYu,QIGuangyao,LIHaoran
1.SchoolofSoftware,LiaoningTechnicalUniversity,Huludao,Liaoning125105,China
2.DepartmentofBasicTeaching,LiaoningTechnicalUniversity,Huludao,Liaoning125105,China
Abstract:Aimingattheproblemthattheparameterquantityinthecurrentsyntheticapertureradar(SAR)imageshiptar-
getobliqueframedetectionalgorithmistoolargetomeetthereal-timedetectionrequirementsandtheproblemofbound-
arydiscontinuity,alightweightSARshiptargetobliqueframedetectionalgorithmbasedonpolarcoordinateencoding
anddecodingisproposed.Firstly,basedontheShuffleunitofShuffleNetV2andusinglightweightandefficientPCand
Ghostconvolutions,aconvolutioncollaborativeunitispropo
文档评论（0）