用于SAR舰船实例分割的掩码注意力交互与尺度增强网络
计算机视觉与模式识别
2022-08-10 v1
摘要
现有大多数合成孔径雷达(SAR)舰船实例分割模型未实现掩码交互或交互性能有限。此外，其多尺度舰船实例分割性能一般，尤其对小舰船。为解决这些问题，我们提出一种用于SAR舰船实例分割的掩码注意力交互与尺度增强网络(MAI-SE-Net)。MAI使用空洞空间金字塔池化(ASPP)获取多分辨率特征响应，非局部块(NLB)建模长程空间依赖，以及拼接洗牌注意力块(CSAB)提升交互收益。SE使用内容感知特征重组块(CARAFEB)生成额外金字塔底层以提升小舰船性能，特征平衡操作(FBO)改善尺度特征描述，以及全局上下文块(GCB)精炼特征。在两个公开SSDD与HRSID数据集上的实验结果表明，MAI-SE-Net优于其他九个竞争模型，在SSDD上检测AP与分割AP分别优于次优模型4.7%与3.4%，在HRSID上分别优于3.0%与2.4%。
引用
@article{arxiv.2207.03912,
title = {A Mask Attention Interaction and Scale Enhancement Network for SAR Ship Instance Segmentation},
author = {Tianwen Zhang and Xiaoling Zhang},
journal= {arXiv preprint arXiv:2207.03912},
year = {2022}
}