基于改进YOLOv11的复杂背景下舰船小目标检测

姚牧, 田斌

信息记录材料 ›› 2025, Vol. 26 ›› Issue (12) : 219 -221.

PDF
信息记录材料 ›› 2025, Vol. 26 ›› Issue (12) : 219 -221.

基于改进YOLOv11的复杂背景下舰船小目标检测

    姚牧, 田斌
作者信息 +

Author information +
文章历史 +
PDF

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

Key words

引用本文

引用格式 ▾
基于改进YOLOv11的复杂背景下舰船小目标检测[J]. 信息记录材料, 2025, 26(12): 219-221 DOI:

登录浏览全文

4963

注册一个新账户 忘记密码

参考文献

AI Summary AI Mindmap
PDF

88

访问

0

被引

详细

导航
相关文章

AI思维导图

/