基于高效聚合特征增强网络的SAR船舰检测方法

作者：单慧琳; 刘文星; 王兴涛; 付相为; 李长帅; 张银胜^*

来源：光学学报, 2023, 1-22.

• 深度学习
• 目标检测
• 高效聚合特征增强网络
• 注意力机制
• 合成孔径雷达船舰检测

合成孔径雷达由于散射效应以及波长和天线尺寸的分辨率限制，导致对小尺寸目标的细节和边界信息难以获取，从而对检测准确性产生影响。为了提高合成孔径雷达船舰检测的准确率以及降低误检率，提出了一种基于高效聚合特征增强网络的合成孔径雷达船舰检测方法。首先，在主干网络中采用空间通道注意力机制，构建出高效层卷积块作为主要的特征提取模块，能够增强模型的特征获取性能，提高对船舰目标的识别能力；其次，特征融合部分采用了Inception NeXt模块来提高算法效率。最后在主干网络以及特征提取部分之间，构建出一种全局增强特征金字塔分支结构，进一步融合全局特征以及避免传输过程中低维度特征损失，用以提升该网络的特征融合能力，即使对于复杂背景下的小目标仍然能展现出可靠的检测能力。为了证明本文所提出网络的有效性，在SSDD数据集上做了实验对比，相较于YOLOv7，高效聚合特征增强网络准确率提升了2.5%，召回率提升了9.2%，交并比阈值为0.5时的平均精度提升了6.4%,Io U为0.5∶0.95时的平均精度提升了9.9%。实验证明了本文所提出网络在提升合成孔径雷达船舰检测精度、改善误检漏检等方面的显著优势，有效应对合成孔径雷达船舰检测中存在的问题，并提供高精度的检测方法。

• 单位
  南京信息工程大学; 电子信息工程学院