基于改进 YOLOv5 模型的 SAR 图像舰船检测方法

合成孔径雷达（SAR）在船只检测中至关重要，因其能够在复杂环境中捕捉高分辨率图像。然而，目前的模型在这些环境中仍然存在误报和漏检的问题。为了应对这些问题，本文提出了一种基于 YOLOv5 的新型检测方法 AABW YOLO。首先，为了增强多尺度目标检测，采用了可变卷积核模块（AKConv）进行自适应卷积核调整，并将原模型的“颈部”部分替换为渐进式特征金字塔网络（AFPN）；其次，将 BiFormer 注意力机制集成到 YOLOv5 的骨干网络中，以提高复杂环境下小型船只的检测能力；第三，采用了 WIoU 损失函数，以加速收敛速度并提高泛化能力。基于 SSDD 和 HRSID 数据集的评估表明，增强后的网络显著提高了性能，AABW-YOLO 分别在这两个数据集上实现了 97% 和 83.7% 的 AP 值，超越了基线 YOLOv5 及其他领先方法。