郭瑞香;
针对复杂场景下合成孔径雷达(synthetic aperture radar, SAR)图像目标检测的鲁棒性差和准确性低等问题，提出一种基于感兴趣区域池化的方法进行SAR图像目标检测。在YOLOv3模型中，引入可变形卷积，加入池化层，通过图像增强的方式对感兴趣区域的目标进行特征选择；通过增加全连接层，生成每个位置的偏移量进行扩张，在偏移量中增加权值；在FPN部分增加DropBlock模块；改进YOLOV3的训练策略方法，采用平滑地调整学习率和增量的方式进行训练，提升模型对SAR图像感兴趣目标的检测准确率。在SAR图像上进行验证，精度可以达到98.2%,验证了模型的有效性。