改进RTMDet的SAR舰船检测算法

针对合成孔径雷达(synthetic aperture radar,SAR)图像中小目标舰船和复杂背景下舰船检测精度低的问题,提出一种改进RTMDet(real-time models for object detection)的SAR舰船检测算法。优化主干网络结构中的基本构建单元,并引入全局注意力机制SimAM(simple,parameter-free attention module),在不增加额外参数的情况下提高模型对关键特征信息的提取能力;为了在特征融合过程中减少小目标特征信息流失和增加其在浅层特征图中的融合占比,构建新的轻量级特征融合模块SPD-RPAFPN(space to depth reverse path aggregation feature pyramid network);在预测模块中将回归损失函数替换为KFIoU(Kalman filter based intersection over union),提高模型对小目标舰船的检测能力。在公开数据集RSDD上进行了实验对比,改进后的算法相比RTMDet,模型参数量和计算量分别下降4.5%和10.8%,同时近岸AP提高14.6个百分点,总AP提高2.7个百分点,达到90.7%。与目前的主流算法对比,SAR舰船检测精度也明显提升,证明了改进RTMDet算法的有效性。