基于无监督海陆分割引导的场景感知SAR舰船检测
计算机视觉与模式识别
2025-12-19 v2 人工智能
摘要
基于深度学习（DL）的合成孔径雷达（SAR）舰船检测在诸多领域具有显著优势，但仍面临如缺乏先验知识等问题，严重影响检测准确性。为解决此问题，我们提出一种基于无监督海陆分割的场景感知SAR舰船检测方法。该方法遵循经典的两阶段框架，增强由两个模型实现：无监督海陆分割模块（ULSM）和陆地注意力抑制模块（LASM）。ULSM和LASM能够根据场景类型（近岸场景和远岸场景）自适应引导网络减少对陆地的注意力，并添加先验知识（海陆分割信息）以网络，减少网络对陆地的注意力，直接提升远岸检测性能。这是一种增加舰船检测准确性并增强模型可解释性的方法。具体而言，鉴于现有深度学习基于SAR舰船检测数据集缺乏海陆分割标签，ULSM采用无监督方法对输入数据进行场景分类为近岸和远岸类型，并对近岸场景执行海陆分割。LASM使用海陆分割信息作为先验知识，以减少网络对陆地的注意力。我们使用公开的SSD数据集进行了实验，结果表明了该网络的有效性。
引用
@article{arxiv.2506.12775,
title = {Scene-aware SAR ship detection guided by unsupervised sea-land segmentation},
author = {Han Ke and Xiao Ke and Ye Yan and Rui Liu and Jinpeng Yang and Tianwen Zhang and Xu Zhan and Xiaowo Xu},
journal= {arXiv preprint arXiv:2506.12775},
year = {2025}
}