SAR-ShipNet：基于双向坐标注意力与多分辨率特征融合的SAR舰船检测神经网络
计算机视觉与模式识别
2022-03-30 v1
摘要
本文研究利用神经网络从合成孔径雷达（SAR）图像中检测舰船这一具有实际意义的问题。我们广泛提取不同类型的SAR图像特征，并提出一个引人深思的问题：这些提取的特征是否有助于（1）抑制真实世界SAR图像的数据变化（如复杂的海陆背景、散杂噪声），以及（2）增强作为小目标且长宽比各异的舰船特征，从而提升舰船检测性能。为回答该问题，我们基于CenterNet新开发了双向坐标注意力（BCA）与多分辨率特征融合（MRF），提出了一种SAR舰船检测神经网络（简称SAR-ShipNet）。此外，考虑到任意舰船长宽比的变化，我们在CenterNet中采用椭圆高斯概率分布以提升基础检测器模型的性能。在公开SAR-Ship数据集上的实验结果表明，我们的SAR-ShipNet在速度与精度上均具竞争优势。
引用
@article{arxiv.2203.15480,
title = {SAR-ShipNet: SAR-Ship Detection Neural Network via Bidirectional Coordinate Attention and Multi-resolution Feature Fusion},
author = {Yuwen Deng and Donghai Guan and Yanyu Chen and Weiwei Yuan and Jiemin Ji and Mingqiang Wei},
journal= {arXiv preprint arXiv:2203.15480},
year = {2022}
}
备注
This paper was accepted by the International Conference on Acoustics, Speech, and Signal Processing(ICASSP) 2022