基于卷积特征增强与注意力融合的 SAR 图像舰船检测 BiFPN
计算机视觉与模式识别
2025-06-19 v1
摘要
合成孔径雷达 (SAR) 通过主动微波成像和先进信号处理，实现亚米分辨率成像和全天候监测。SAR 已广泛应用于诸多关键海事领域，如舰船检测。然而，SAR 舰船检测面临诸多挑战，包括舰船尺度差异大、近岸小型船舟混合噪声以及大型靠近岸舰船的复杂背景问题。为此，本文提出一种新型特征增强与融合框架 C-AFBiFPN。C-AFBiFPN 在 backbone 网络后构建卷积特征增强 (CFE) 模块，旨在丰富特征表示，增强捕获和代表局部细节与上下文信息的能力。此外，C-AFBiFPN 创新性地将 BiFormer 注意力集成到 BiFPN 的融合策略中，形成 AFBiFPN 网络。AFBiFPN 提升了跨尺度特征融合的全局建模能力，可自适应聚焦于关键特征区域。在 SAR Ship Detection Dataset (SSDD) 上的实验结果表明，所提方法在小目标检测精度、遮挡鲁棒性以及多尺度特征适应性方面均显著提升。
引用
@article{arxiv.2506.15231,
title = {Convolutional Feature Enhancement and Attention Fusion BiFPN for Ship Detection in SAR Images},
author = {Liangjie Meng and Danxia Li and Jinrong He and Lili Ma and Zhixin Li},
journal= {arXiv preprint arXiv:2506.15231},
year = {2025}
}
备注
5 pages, 4 figures, 2 tables. Code available at https://github.com/mlj666219/C-AFBiFPN/tree/master