用于SAR图像飞机检测的关注特征细化与对齐网络
计算机视觉与模式识别
2022-01-20 v2
摘要
合成孔径雷达(SAR)图像中的飞机检测由于飞机极其离散的外观、明显的类内差异、小尺寸以及严重的背景干扰，是SAR自动目标识别(SAR ATR)领域中的一项具有挑战性的任务。本文提出一种单阶段检测器，即关注特征细化与对齐网络(AFRAN)，用于以具有竞争力的精度与速度检测SAR图像中的飞机。具体而言，我们方法中精心设计了三个重要组件，包括注意力特征融合模块(AFFM)、可变形横向连接模块(DLCM)与锚点引导检测模块(ADM)，以细化并对齐飞机的信息特征。为了以更少干扰表示飞机特征，在AFFM中充分融合并细化了飞机的低级纹理与高级语义特征。在DLCM中促进了飞机离散后向散射点与卷积采样点之间的对齐。最终，在ADM中基于由细化锚点修正的对齐特征精确预测飞机位置。为评估我们方法的性能，我们收集了一个自建的SAR飞机切片数据集与一幅大场景SAR图像。大量带有详细分析的定量与定性实验说明了所提三个组件的有效性。此外，与其他领域专用方法(如DAPN、PADN)以及通用基于CNN的方法(如FPN、Cascade R-CNN、SSD、RefineDet和RPDet)相比，我们的方法取得了最高的检测精度与具有竞争力的速度。
引用
@article{arxiv.2201.07124,
title = {Attentional Feature Refinement and Alignment Network for Aircraft Detection in SAR Imagery},
author = {Yan Zhao and Lingjun Zhao and Zhong Liu and Dewen Hu and Gangyao Kuang and Li Liu},
journal= {arXiv preprint arXiv:2201.07124},
year = {2022}
}
备注
A raw version as the same as the early access published in TGRS. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses