|
|
针对现有目标检测方法检测近场合成孔径雷达(Synthetic Aperture Radar, SAR)图像容易出现漏检、误检,精度低等问题,提出了基于YOLOv8-seg的近场多输入多输出(Multiple Input Multiple Output, MIMO)-SAR毫米波图像目标检测算法,实现近场危险目标检测。将骨干网络和颈部网络的CBS(Convolutional-Batchnormal-SiLu)替换为GhostConv,减少算法参数,实现算法轻量化;利用RepViT Block替换CSPDarknet53中的Bottleneck设计了C3-RVB模块,替换颈部网络中的C2f模块,增加算法特征提取能力,提高检测精度;将YOLOv8-seg的损失函数CIoU替换为Inner-EIoU,引入缩放因子控制辅助边界框尺度,增强算法泛化能力;搭建了包含五类危险目标的MIMO-SAR数据集。实验结果表明:改进的YOLOv8-seg算法mAP@0.5和参数量分别为97.3%和2.56M,检测精度高,有效解决常规算法容易出现漏检、误检问题,同时算法参数少,检测速度快,并通过3DRIED数据集验证改进算法具有较好泛化性。 |