O2Former：面向SAR船舶实例分割的方向感知与多尺度查询增强

合成孔径雷达（SAR）图像中船舶的实例分割对于海上监测、环境分析和国家安全等应用至关重要。SAR船舶图像存在尺度变化、目标密度和目标边界模糊等挑战，这些在现有方法中常被忽视，导致性能不佳。在本工作中，我们提出了O2Former，一个定制的实例分割框架，通过充分利用SAR图像的结构特征扩展了Mask2Former。我们引入了两个关键组件。第一个是优化查询生成器（OQG）。它通过联合编码浅层位置线索和高层语义信息实现多尺度特征交互，提升了查询质量和收敛效率。第二个组件是方向感知嵌入模块（OAEM）。它通过方向感知卷积和极坐标编码增强方向敏感性，有效应对SAR场景中目标方向不均匀的问题。这两个模块共同促进了从骨干网络到解码器的精确特征对齐，增强了模型捕获细粒度结构细节的能力。大量实验表明O2Former超越了最先进的实例分割基线，验证了其在SAR船舶数据集上的有效性和泛化能力。