摘要:
提出一种改进YOLOv5 网络,并将其用于SAR 图像目标识别。为了优化网络性能,文中进行了三个方面的改进:使用宽度比和高度比作为标注框之间的距离度量,并采用k-means 聚类方法生成先验锚点框,作为预测框优化时的框尺寸初始值;改进框回归损失函数,引入Scylla 交并比来代替竞争性交并比,以提高对密集分布目标的定位精度;改进置信度损失函数,使用焦点损失来替代二元交叉熵,以提高在复杂背景下的目标识别精度。基于MSAR 数据集,选择了YOLOv3、常规YOLOv5 作为对比网络,进行了大量的SAR 图像目标识别实验。实验结果表明,相比两种对比网络,改进YOLOv5 网络对各种目标均具有更高的识别准确率、召回率和F1 值,以及更高的综合指标平均精度值和平均精度均值。