基于通道和空间注意力的机场道面地下目标自动检测

作者：李海丰; 张凡; 朴敏楠; 王怀超; 李南莎; 桂仲成

来源：计算机应用, 2022, 1-8.

• 探地雷达
• 目标检测
• 卷积神经网络
• 通道注意力
• 空间注意力
• 特征提取

针对机场道面地下目标检测任务中，探地雷达(GPR)生成的B-scan图背景复杂，包含大量噪声，尤其是单个B-scan图不能反映地下目标的完整信息等问题，构建了一种三维通道和空间注意力的UNet(3D-CSA-UNet)模型对地下目标进行自动检测。首先，设计三维通道和空间注意力并行模块(3D-CS-Block)，使模型着重关注雷达C-scan中的地下目标信息，抑制背景和噪声的干扰；其次，设计多尺度的三维分割模型从雷达C-scan中提取不同大小的特征图，增强3D-CS-Block提取目标特征的能力；最后，使用交叉熵损失函数计算每个尺度下特征图的损失值，提高模型检测精度。在采集的实际机场道面地下目标数据集上，3D-CSA-UNet对多类别地下目标在像素级分割的各项指标明显优于对比方法，平均F1分值达到了75.28%，平均准确率达到了72.54%。实验结果表明，所提模型可以较好地满足工程实际要求。

• 单位
  中国民航大学; 成都圭目机器人有限公司