基于多尺度特征注意力与自适应加权分类器的 SAR 舰船目标识别
图像与视频处理
2023-08-22 v1
摘要
海上监视在国防安全、航道监测等民用领域不可或缺，其中合成孔径雷达（SAR）舰船目标识别是一个关键研究方向。实现精确 SAR 舰船目标识别的核心难题在于 SAR 舰船特征类内方差大、类间重叠，这限制了识别性能。现有多数方法简单地提取网络的多尺度特征，并在分类阶段对各特征尺度同等利用。然而，浅层多尺度特征判别性不足，且各尺度特征对识别的有效性并不等同。这些因素导致识别性能受限。因此，我们提出了一种基于多尺度特征注意力与自适应加权分类器的 SAR 舰船识别方法，以增强各尺度特征并自适应选择有效特征尺度以实现准确识别。我们首先构建网络内特征金字塔，从 SAR 舰船图像中提取多尺度特征。随后，多尺度特征注意力可从多尺度特征中提取并增强具有更强类内紧凑性与类间可分性的主成分。最后，自适应加权分类器在特征金字塔中选择有效特征尺度，以实现最终精确识别。通过在 OpenSARship 数据集上的实验与对比，所提方法被验证在 SAR 舰船识别上达到了 SOTA 性能。
引用
@article{arxiv.2308.10247,
title = {SAR Ship Target Recognition Via Multi-Scale Feature Attention and Adaptive-Weighed Classifier},
author = {Chenwei Wang and Jifang Pei and Siyi Luo and Weibo Huo and Yulin Huang and Yin Zhang and Jianyu Yang},
journal= {arXiv preprint arXiv:2308.10247},
year = {2023}
}