DenoDet：用于合成孔径雷达图像目标检测的基于注意力的可变形多子空间特征去噪
计算机视觉与模式识别
2024-08-13 v2
摘要
合成孔径雷达（SAR）目标检测长期受制于内在散斑噪声以及微小、模糊目标的普遍存在。虽然深度神经网络已推动SAR目标检测发展，但其固有的低频偏差和训练后静态权重在面对一致性噪声和保持异构地形下细微细节方面表现不佳。灵感来自传统SAR图像去噪，我们提出DenoDet网络，辅以显式频域变换来校准卷积偏置，增加对高频率的关注，从而形成自然的多尺度子空间表示，从多子空间去噪视角进行目标检测。我们设计TransDeno模块，作为频域注意力模块，执行频域软阈值运算，通过保留显著目标信号和抑制噪声，在子空间间进行动态去噪。为适应子空间处理的粒度，我们还提出可变形全连接层（DeGroFC），根据输入特征动态变化分组。凭借无花坠的TransDeno模块，DenoDet在多个SAR目标检测数据集上取得最先进的成绩。代码已公开于https://github.com/GrokCV/GrokSAR。
引用
@article{arxiv.2406.02833,
title = {DenoDet: Attention as Deformable Multi-Subspace Feature Denoising for Target Detection in SAR Images},
author = {Yimian Dai and Minrui Zou and Yuxuan Li and Xiang Li and Kang Ni and Jian Yang},
journal= {arXiv preprint arXiv:2406.02833},
year = {2024}
}