高分辨率 SAR 图像中有向输电铁塔检测的提示学习

由于尺寸相对较小且侧视几何结构，从合成孔径雷达（SAR）图像中检测输电铁塔仍然是一项具有挑战性的任务，背景杂波干扰常常阻碍铁塔识别。大量干扰信号叠加在铁塔的回波信号上。我们发现，定位或提示输电铁塔的位置有助于克服这一障碍。基于这一发现，本文将有向目标检测器（P2Det）引入提示学习以进行多模态信息学习。P2Det 包含稀疏提示编码和多模态数据间的交叉注意力。具体而言，提出了稀疏提示编码器（SPE）来表示点位置，将提示转换为稀疏嵌入。图像嵌入通过 Transformer 层生成。随后提出了双向融合模块（TWFM）来计算两种不同嵌入的交叉注意力。利用图像级和提示级特征的交互来解决杂波干扰。提出了形状自适应细化模块（SARM）以减小长宽比的影响。大量实验证明了所提出模型在高分辨率 SAR 图像上的有效性。凭借其竞争性能，P2Det 为多模态目标检测提供了新见解。