仪器仪表学报

作者：韩萍，白继睿，周杰龙，程争

单位：韩萍,中国民航大学电子信息与自动化学院天津300300,hanpingcauc@163.com,白继睿,中国民航大学电子信息与自动化学院天津300300,,周杰龙,中国民航大学电子信息与自动化学院天津300300,,程争,中国民航大学工程技术训练中心天津300300,

关键词：合成孔径雷达(SAR);飞机目标检测;轻量化检测网络;模型剪枝

基金：中央高校基本科研业务费中国民航大学专项(3122020043)、中国民航大学研究生科研创新(2023YJSKC02004)项目资助

由于合成孔径雷达独特的成像机制，现有的深度学习检测算法，难以在精度和速度之间找到良好的平衡。因此针对边缘端应用需求，结合剪枝方法设计了一种更轻量的SAR图像飞机目标检测网络SAERFDnet。其以YOLOv8n模型为基线，主干使用重参数化大核卷积进行特征提取，颈部使用自适应多尺度离散特征融合模块，以较浅的网络深度获得更大的有效感受野。其次，改进网络在检测头分类分支引入可变形卷积，使得网络更关注不同类别目标的几何特征差异，在回归分支引入频率自适应扩张卷积，加强对图像高频区域的目标定位能力。最后，使用了模型剪枝技术获得了更轻量高效的模型。采用3个公开的实测数据集进行实验，在SAR-AIRcraft-1.0数据集上的结果表明，该方法以0.5M参数量和2GFLOPS的参数量和计算量达到了96.3%mAP50和72.%mAP50-95，相比YOLOv8n模型参数量降低83.3%，计算量降低75.3%，同时提高了0.7%mAP50和2.2%mAP50-95的检测精度,对比其他模型检测结果，该方法能在保证检测精度的条件下，有效提升SAR图像飞机目标检测的检测效率。此外，在SADD数据集和高分三号飞机目标数据集上进行了迁移实验，结果均表明该方法具有良好的泛化性和鲁棒性。

来源：2025年第9期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2025年第9期