基于 Swin Transformer 与特征增强特征金字塔网络的 SAR 舰船检测
计算机视觉与模式识别
2022-09-22 v1 人工智能
摘要
随着卷积神经网络(CNNs)的蓬勃发展,VGG-16、ResNet-50 等 CNN 广泛作为 SAR 舰船检测的骨干网络。然而,基于 CNN 的骨干网络难以建模长程依赖,导致浅层特征图中缺乏足够的高质量语义信息,从而在复杂背景与小目标舰船情况下检测性能较差。为解决这些问题,我们提出一种基于 Swin Transformer 与特征增强特征金字塔网络(FEFPN)的 SAR 舰船检测方法。Swin Transformer 作为骨干网络建模长程依赖并生成分层特征图。FEFPN 被提出以通过逐步增强各层级特征图(尤其是浅层特征图)的语义信息来进一步提升特征图质量。在 SAR 舰船检测数据集(SSDD)上的实验揭示了我们所提方法的优势。
引用
@article{arxiv.2209.10421,
title = {Sar Ship Detection based on Swin Transformer and Feature Enhancement Feature Pyramid Network},
author = {Xiao Ke and Xiaoling Zhang and Tianwen Zhang and Jun Shi and Shunjun Wei},
journal= {arXiv preprint arXiv:2209.10421},
year = {2022}
}