刘竞升，伍 星，王洪刚，李姜楠

重庆大学 计算机学院，重庆400044

合成孔径雷达（Synthetic Aperture Radar，SAR）是一种主动式高分辨率微波成像装置，能全天时、全天候对地实施观测，广泛应用于舰船检测。传统的SAR舰船检测方法包括恒虚警率（CFAR）[1]及其衍生方法。这类方法在复杂环境下容易错检和漏检目标，不能保证稳定的检测表现。

目前基于深度学习的目标检测算法被广泛用于舰船检测，主要分为基于锚框（Anchor-based）和无锚框（Anchor-free）的检测算法。基于锚框的算法首先被用于此领域以提高检测精度。李健伟等人[2]首先优化Faster R-CNN算法并用于SAR舰船检测。Chang等人[3]使用YOLOv2对舰船进行检测并降低计算开销。苏娟等人[4]改进SSD并从迁移学习、低层特征增强和数据增广等方面降低了目标漏检率。Wang等人[5]探索一种RetinaNet算法用于解决多尺度问题。刘洁瑜等人[6]继而改进融合结果和损失函数提升了准确率。顾振辉等人[7]优化Mask R-CNN的目标函数以提高舰船检测性能。Pang等人[8]提出Libra R-CNN解决了训练过程中的不平衡问题并提高检测精度。Wei等人[9]结合高分辨率检测网络HRNet减少舰船特征信息损失再次提高检测表现。舰船目标大小各异、长宽比分布不均匀，为进一步增强多尺度检测性能，Cui等人[10]提出密集注意力金字塔，Liu等人[11]进而提出尺度变化金字塔。胡庆等人[12]结合感受野模块增强目标可辨识性并通过双向加权融合提高多尺度检测能力。韩子硕等人[13]基于超密集特征金字塔网络实现更高的舰船检测性能。Zhao等人[14]提出注意力感受野金字塔增强全局特征关系并修正不同特征图信息，达到了优秀的检测效果。……