面向 SAR 图像零样舰船实例分割的基石模型提示
计算机视觉与模式识别
2026-04-21 v1 人工智能
机器学习
摘要
合成孔径雷达（SAR）在海洋监视中发挥着关键作用，但因缺乏像素级标注，深度学习在 SAR 分析方面受限。本文探讨了通用视觉基石模型如何启用 SAR 图像中的零样舰船实例分割，从而消除像素级监督的需求。YOLOv11 基于开放 SAR 数据集训练的检测器通过边界框定位舰船，然后提示 Segment Anything Model 2（SAM2）在无任何掩码标注的情况下生成实例掩码。不同于先前基于 SAM 的 SAR 方法依赖微调或适配器的是，我们的方法展示了仅凭 SAR 训练检测器的空间约束即可有效正则化基石模型预测。这一设计部分缓解了光学-SAR 域间差距，使下游应用如舰船分类、尺寸估计和尾流分析成为可能。在 SSDD 基准测试中实现了 0.637 的平均 IoU（相当于完全监督基线的 89%），并以 89.2% 的整体舰船检测率验证了面向基石模型驱动 SAR 图像理解的可扩展、高效标注路径。
引用
@article{arxiv.2604.17920,
title = {Prompting Foundation Models for Zero-Shot Ship Instance Segmentation in SAR Imagery},
author = {Islam Mansour and Francescopaolo Sica and Michael Schmitt},
journal= {arXiv preprint arXiv:2604.17920},
year = {2026}
}
备注
6 pages