利用互补预训练技术提升 SAR 图像中的舰船检测
计算机视觉与模式识别
2021-03-16 v1 人工智能
摘要
深度学习方法在合成孔径雷达 (SAR) 图像舰船检测中取得了显著进展。由于标注 SAR 图像稀缺，通常采用预训练技术来支持基于深度神经网络的 SAR 舰船检测器。然而，由于成像视角和几何形状不同，直接利用 ImageNet 预训练难以获得良好的舰船检测器。在本文中，为解决 ImageNet 与对地观测之间成像视角不一致的问题，我们提出一种光学舰船检测器 (OSD) 预训练技术，其通过大规模航拍图像数据集将对地观测中舰船的特征迁移到 SAR 图像。另一方面，为处理光学与 SAR 图像之间成像几何不同的问题，我们提出一种光学-SAR 匹配 (OSM) 预训练技术，其通过在光学-SAR 匹配任务上的公共表示学习将丰富的纹理特征从光学图像迁移到 SAR 图像。最后，观察到基于 OSD 预训练的 SAR 舰船检测器在海面区域具有更好的召回率，而基于 OSM 预训练的 SAR 舰船检测器可减少陆地区域的误报，我们通过加权框融合结合两个检测器的预测以进一步改善检测结果。在四个 SAR 舰船检测数据集和两个代表性基于 CNN 的检测基准上进行的大量实验表明了两种所提检测器的有效性和互补性，以及两者结合的最先进性能。所提方法在 2020 年高分挑战赛 SAR 图像舰船检测中获得第六名。
引用
@article{arxiv.2103.08251,
title = {Boosting ship detection in SAR images with complementary pretraining techniques},
author = {Wei Bao and Meiyu Huang and Yaqin Zhang and Yao Xu and Xuejiao Liu and Xueshuang Xiang},
journal= {arXiv preprint arXiv:2103.08251},
year = {2021}
}