面向SAR图像的轻量化YOLOv8飞机目标检测算法

摘要

针对合成孔径雷达图像中飞机目标检测面临的模型复杂度较高、检测性能不足及泛化能力较弱等问题，从网络设计和模型压缩两个角度对YOLOv8模型进行轻量化改进。在网络设计方面，首先将原模型的C2f模块替换为CSPRELAN-C2f模块，通过1×1卷积生成冗余特征图，优化特征提取过程。同时，舍弃传统BottleNeck残差块，并在梯度流通分支中引入RepConv模块，以增强特征提取能力和梯度流通性。此外，针对SAR图像中飞机目标较小的特点，去除大目标检测层，强化对飞机等小目标的识别能力。最后，采用Inner-SIoU损失函数，进一步提升模型训练效果。在模型压缩方面，引入CWD方法进行知识蒸馏，提升轻量化模型的检测性能。在SAR-AIRcraft-1.0数据集上的实验结果表明，改进后的算法在模型体积、参数量和计算量上分别压缩了77.63%、80.41%和69.14%。

关键词

合成孔径雷达 / 飞机目标检测 / YOLOv8 / 知识蒸馏