LW-YOLOv7SAR:轻量SAR图像目标检测方法

摘要

针对SAR场景的小目标、多噪声、复杂等特征，以及舰船目标场景的优化轻量检测模型需求，基于YOLOv7-tiny框架裁剪与优化，提出了可用于SAR舰船图像的轻量检测网络LW-YOLOv7SAR.它通过重参数化和Shuffle技巧，并结合GhostConv模块去除冗余信息的思想和方法，轻量化了模型，同时增强了模型多尺度信息提取的效率；为了便于部署和移植，模型使用易部署的激活函数hard-Swish和ReLU6.此外，在主干层引入结合空间通道注意力的软阈值化模块，增加了模型的去噪和泛化能力；为了提高小目标的检测精度，在模型中引入了加权的多尺度特征融合.经过理论分析和实验验证发现，对比YOLOv7-tiny, LW-YOLOv7SAR模型减少89%计算量、90%参数量、90%权重文件大小，由于减小了运算量，实现了模型推理时的功耗降低，因此也更符合绿色计算要求；在SSDD数据集上的检测准确率可达97.6%.

关键词

YOLOv7-tiny / 合成孔径雷达 / 舰船检测 / 小目标检测 / 软阈值化 / 轻量化