基于改进YOLOv8的SAR图像飞机目标检测算法

作者： 邱琳琳     朱卫纲     李永刚     邱磊     李炫潮   来源： 电光与控制 年份： 2025 文献类型 ： 期刊 关键词： 可变形全局特征融合   合成孔径雷达   复杂背景   飞机检测   全维度特征提取  

描述： 基于改进YOLOv8的SAR图像飞机目标检测算法

SAR图像飞机目标检测识别进展

作者： 郭倩   王海鹏   徐丰   来源： 雷达学报 年份： 2020 文献类型 ： 期刊 关键词： 飞机识别   合成孔径雷达   散射信息   深度学习   飞机检测  

描述： 目标检测与识别是高分辨合成孔径雷达(SAR)领域的热点问题。机场上飞机作为一种典型目标，其检测和识别有一定的独特性。该文回顾了SAR图像典型目标检测识别领域技术的发展过程，分析了SAR图像中飞机目标

基于改进YOLOv5的SAR图像飞机目标细粒度识别

作者： 张武     刘秀清   来源： 国外电子测量技术 年份： 2024 文献类型 ： 期刊 关键词： YOLOv5   合成孔径雷达   飞机目标细粒度识别  

描述： 针对合成孔径雷达(synthetic aperture radar, SAR)图像飞机目标细粒度识别中的小目标和多尺度检测问题，提出了一种基于YOLOv5的改进SAR图像飞机目标识别算法。该方法首先

基于改进YOLOv8的SAR图像飞机目标检测算法

作者： 陈益方     张上     冉秀康     王杰   来源： 电讯技术 年份： 2024 文献类型 ： 期刊 关键词： GAM注意力机制   可变形卷积   合成孔径雷达   飞机目标检测   网络重构  

描述： 针对合成孔径雷达(Synthetic Aperture Radar, SAR)图像飞机目标检测算法存在模型复杂度较高、检测效果差、泛化能力弱等问题，提出了一种基于改进YOLOv8的SAR图像

SAR图像飞机目标智能检测识别技术研究进展与展望

作者： 罗汝     赵凌君     何奇山     计科峰     匡纲要   来源： 雷达学报 年份： 2024 文献类型 ： 期刊 关键词： 可解释人工智能   合成孔径雷达   深度学习   飞机目标   目标检测与识别  

描述： 合成孔径雷达(SAR)采用相干成像机制，具有全天时、全天候成像的独特优势。飞机目标作为一种典型高价值目标，其检测与识别已成为SAR图像解译领域的研究热点。近年来，深度学习技术的引入，极大提升了SAR

改进YOLOv10n的SAR飞机目标检测

作者： 曹菡     陈黎伟     李璐     陶利   来源： 测绘科学 年份： 2025 文献类型 ： 期刊 关键词： 自适应阈值焦点损失   YOLOv10   合成孔径雷达   目标检测   上下文聚合模块  

描述： 改进YOLOv10n的SAR飞机目标检测

基于可变形卷积神经网络的遥感图像飞机目标检测

作者： 李明阳   胡显   雷宏   来源： 国外电子测量技术 年份： 2021 文献类型 ： 期刊 关键词： 卷积神经网络   遥感影像   可变形卷积   飞机检测  

描述： 遥感图像中的飞机检测在民用和军事应用中都是一个重要且富有挑战性的任务。针对现有目标检测算法在复杂场景中旋转不变性差的问题,提出了一种多尺度可变形卷积神经网络用以检测飞机目标。该方法通过将可变形卷积

基于可变形卷积神经网络的遥感图像飞机目标检测

作者： 李明阳   胡显   雷宏   来源： 国外电子测量技术 年份： 2021 文献类型 ： 期刊 关键词： 卷积神经网络   遥感影像   可变形卷积   飞机检测  

描述： 遥感图像中的飞机检测在民用和军事应用中都是一个重要且富有挑战性的任务。针对现有目标检测算法在复杂场景中旋转不变性差的问题,提出了一种多尺度可变形卷积神经网络用以检测飞机目标。该方法通过将可变形卷积

基于最优区域生成的深度多尺度融合遥感飞机检测方法

作者： 刘晨   郑恩让   张桐   来源： 科学技术与工程 年份： 2020 文献类型 ： 期刊 关键词： 遥感图像   飞机检测   多尺度融合   锚框  

描述： 基于最优区域生成的深度多尺度融合遥感飞机检测方法

基于注意力和自适应特征融合的SAR图像飞机目标检测

作者： 夏一帆     赵凤军     王樱洁     王春乐   来源： 电讯技术 年份： 2024 文献类型 ： 期刊 关键词： 注意力机制   合成孔径雷达(SAR)   特征融合   飞机检测  

描述： 针对合成孔径雷达（Synthetic Aperture Radar, SAR）图像中飞机目标尺度多样性及背景强散射干扰的问题，提出了一种基于坐标注意力和自适应特征融合的YOLOv4 SAR图像