领域自适应 SAR 尾迹检测：利用相似性滤波与记忆引导
计算机视觉与模式识别
2025-09-17 v1 人工智能
摘要
合成孔径雷达（SAR）凭借其全天候和大范围观测能力，成为尾迹检测的重要工具。然而，由于其复杂的成像机制，SAR 图像中的尾迹特征通常表现为抽象且含噪，给准确标注带来挑战。相反，光学图像提供了更清晰的视觉线索，但在光学数据上训练的模型由于领域偏移，应用于 SAR 图像时性能会下降。为了解决这一跨模态领域自适应挑战，我们提出了一种相似性引导与记忆引导的领域自适应（称为 SimMemDA）框架，通过实例级特征相似性滤波和特征记忆引导来实现无监督领域自适应的船舶尾迹检测。具体而言，为了缓解光学图像与 SAR 图像之间的视觉差异，我们首先利用 WakeGAN 对光学图像进行风格迁移，生成接近 SAR 风格的伪图像。然后，设计了实例级特征相似性滤波机制，以识别并优先处理具有目标类分布的源样本，从而最小化负迁移。同时，引入了特征置信度记忆库，结合 K 近邻置信度加权融合策略，以动态校准目标域中的伪标签，提高伪标签的可靠性和稳定性。最后，该框架通过区域混合训练进一步增强了泛化能力，将源标注与校准后的目标伪标签进行战略性结合。实验结果表明，所提出的 SimMemDA 方法能够提高跨模态船舶尾迹检测任务的准确性和鲁棒性，验证了该方法的有效性和可行性。
引用
@article{arxiv.2509.12279,
title = {Domain Adaptive SAR Wake Detection: Leveraging Similarity Filtering and Memory Guidance},
author = {He Gao and Baoxiang Huang and Milena Radenkovic and Borui Li and Ge Chen},
journal= {arXiv preprint arXiv:2509.12279},
year = {2025}
}