基于改进YOLOv11的复杂背景下舰船小目标检测

摘要

针对合成孔径雷达(SAR)图像舰船检测在复杂背景下小型舰船目标易出现漏检、误检等问题，本文提出了一种基于YOLOv11改进的SAR图像目标检测方法，用于提高复杂背景下小目标检测准确率。首先在快速金字塔池化层(SPPF)前引入非局部注意力(NLA)模块，设置中间通道数为原通道的一半，并摒弃其中的最大池化操作，保留更多的空间信息，通过与SPPF层级联，实现对SAR图像的在全局特征背景的多尺度特征提取；其次，模型引入高效多尺度注意力(EMA)模块替换C2PSA中的多头注意力模块，将原有架构中的3×3卷积替换为方向性卷积，构建新的C2PSA＿EMA模块，增强SAR图像舰船方向性特征提取能力。实验结果显示：与原始YOLOv11模型相比，改进模型较之原始模型在单舰船检测数据集(SSDD)上的精确率提升了0.61%,召回率提升了2.73%,平均精度提高了1.05%。复杂背景下，模型的稳定性与小目标检测能力均得到了大幅提升，验证了改进模型的有效性。

关键词

合成孔径雷达(SAR)检测 / YOLOv11 / 非局部注意力(NLA)机制 / 高效多尺度注意力(EMA)机制