面向合成孔径雷达图像任意方向舰船检测的YOLOv3模型的改进

赵紫稷

（中船重工第八研究院，江苏 南京 211106）

0 引言

目前，在分析舰船检测算法时，单阶段算法内的YOLOv3算法检测精确度较高，识别速度较快，是以YOLOv2算法为基础综合考虑ResNet与SSD网络结构的改进算法，比以上算法更优。但与R-CNN算法相比，YOLOv3算法问题识别的精确度以及召回率都较低。此次分析可以以YOLOv3算法为基础进行改进和优化，在控制参数应用情况的基础上，提高YOLOv3算法的检测精度，发挥其在船舶检测中的积极作用。

1 面向合成孔径雷达图像技术的发展现状

为了确保我国的海洋权益、促进海洋资源的有效开发，加强海面舰船目标检测工作至关重要。现阶段，舰船目标检测主要以雷达一维距离像、合成孔径雷达图像以及无人机和卫星拍摄的遥感图像作为数据来源。此外，为了保证数据分析的可靠性，还要深入分析海面舰船搭载的光电平台拍摄的视频图像。合成孔径雷达作为主动式微波成像传感器可以全天候工作，并且受外在环境的影响较小，即使在云雾、植被比较丰富的环境中仍然可以保证较强的穿透性。因此，合成孔径雷达技术在军事领域以及民用领域都有至关重要的作用［1］。

目前，在开展合成孔径雷达图像技术分析和研究的过程中，国内外研究人员对正常目标检测以及物象识别方面的研究较多，经过多年研究已经形成相对完善的SAR图像舰船目标监测系统。恒虚警算法(Constant False-Alarm，CFAR）是目前应用比较普遍的SAR图像目标检测算法。该算法在应用中需要通过待检测的像素领域信息完成背景分布估计工作，同时需要以恒虚警率为核心计算分割阈值。……