提升、细化与融合：面向稳健多尺度稠密舰船检测的新方法
计算机视觉与模式识别
2025-01-13 v1
摘要
合成孔径雷达(SAR)成像因其高分辨率、全天候能力和昼夜可操作性而闻名于 maritime应用中。然而，SAR图像中的舰船检测面临诸多挑战，包括复杂背景、稠密排列目标以及大尺寸变化。为解决这些问题，我们提出一种新型框架——中心感知SAR舰船检测器(Center-Aware SAR Ship Detector, CASS-Det)，用于稳健的多尺度和稠密舰船检测。CASS-Det集成了三个关键创新：(1)中心增强模块(CEM)，采用旋转卷积强调舰船中心，改善局部分辨率的同时抑制背景干扰；(2)邻居注意力模块(NAM)，利用跨层依赖细化稠密场景中的舰船边界；(3)跨连接特征金字塔网络(CC-FPN)，通过整合浅层和深层特征增强多尺度特征融合。广泛的实验在SSDD、HRSID和LS-SSDD-v1.0数据集上表明，CASS-Det在检测多尺度和稠密排列舰船方面表现出业内领先水平。
引用
@article{arxiv.2501.06053,
title = {Enhancing, Refining, and Fusing: Towards Robust Multi-Scale and Dense Ship Detection},
author = {Congxia Zhao and Xiongjun Fu and Jian Dong and Shen Cao and Chunyan Zhang},
journal= {arXiv preprint arXiv:2501.06053},
year = {2025}
}