多尺度特征融合的Anchor-Free轻量化舰船要害部位检测算法

反舰导弹对舰船要害部位的精确打击能力是精确制导武器的关键技术之一。针对反舰导弹导引头对舰船要害部位检测精度低、特征提取能力不足,预测框的处理降低检测速度等问题,提出了一种多尺度特征融合的Anchor-Free轻量化舰船要害部位检测算法。由于舰船要害部位检测数据具有多尺度、多角度特性,引入多尺度特征融合模块,综合利用不同感受野的检测信息,优化特征提取;利用高效轻量化注意力机制改进Hourglass结构中的跨层连接,提升检测精度,降低算法总参数量;使用迁移学习有效提升算法收敛效果。在建立的舰船要害部位检测数据集和公开的PASCAL VOC数据集进行实验,检测准确率分别提升了4.41%和5.57%,分析算法参数与运算量,设计了模块消融实验,论证了所提算法的有效性。

基于深度学习的舰船目标检测技术综述

精确检测与打击舰船目标能够提升武器装备作战效能,是精确制导武器研制的重要方向之一。针对复杂背景下的舰船目标检测需求,总结了基于深度学习的舰船目标检测技术发展现状,对目前采用的检测算法及适用性做了系统性的归纳梳理,整理了常用遥感与合成孔径雷达成像舰船目标数据集,介绍了深度学习在舰船目标检测领域的应用;分析了现有算法存在的不足并提出相应改进思路,同时对舰船目标检测技术未来的研究趋势进行了展望。