典型文献
融入混合注意力的可变形空洞卷积近岸SAR小舰船检测
文献摘要：
目的 在近岸合成孔径雷达(synthetic aperture radar,SAR)图像舰船检测中,由于陆地建筑及岛屿等复杂背景的影响,小型舰船与周边相似建筑及岛屿容易混淆.现有方法通常使用固定大小的方形卷积核提取图像特征.但是小型舰船在图像中占比较小,且呈长条形倾斜分布.固定大小的方形卷积核引入了过多背景信息,对分类造成干扰.为此,本文针对SAR图像舰船目标提出一种基于可变形空洞卷积的骨干网络.方法 首先用可变形空洞卷积核代替传统卷积核,使提取特征位置更贴合目标形状,强化对舰船目标本身区域和边缘特征的提取能力,减少背景信息提取.然后提出3通道混合注意力机制来加强局部细节信息提取,突出小型舰船与暗礁、岛屿等的差异性,提高模型细分类效果.结果 在SAR图像舰船数据集HRSID(high-resolution SAR images dataset)上的实验结果表明,本文方法应用在Cascade-RCNN(cascade region convolutional neural network)、YOLOv4(you only look once v4)和BorderDet(border detection)3种检测模型上,与原模型相比,对小型舰船的检测精度分别提高了3.5％、2.6％和2.9％,总体精度达到89.9％.在SSDD(SAR ship detection dataset)数据集上的总体精度达到95.9％,优于现有方法.结论 本文通过改进骨干网络,使模型能够改变卷积核形状和大小,集中获取目标信息,抑制背景信息干扰,有效降低了SAR图像近岸复杂背景下小型舰船的误检漏检情况.
文献关键词：
舰船检测;合成孔径雷达(SAR)图像;可变形卷积;视觉注意力机制;空洞卷积
中图分类号：
作者姓名：
龚声蓉;徐少杰;周立凡;朱杰;钟珊
作者机构：
东北石油大学计算机与信息技术学院, 大庆 163318;常熟理工学院计算机科学与工程学院,常熟 215500
文献出处：
引用格式：
[1]龚声蓉;徐少杰;周立凡;朱杰;钟珊-.融入混合注意力的可变形空洞卷积近岸SAR小舰船检测)[J].中国图象图形学报,2022(12):3663-3676
A类：
BorderDet
B类：
空洞卷积,近岸,SAR,舰船检测,合成孔径雷达,synthetic,aperture,radar,地建筑,岛屿,复杂背景,方形,卷积核,图像特征,长条形,多背景,背景信息,舰船目标,骨干网络,先用,提取特征,贴合,边缘特征,特征的提取,少背,信息提取,混合注意力机制,局部细节信息,暗礁,细分类,分类效果,HRSID,high,resolution,images,dataset,Cascade,RCNN,cascade,region,convolutional,neural,network,YOLOv4,you,only,look,once,border,detection,检测模型,检测精度,总体精度,SSDD,ship,目标信息,检漏,漏检,可变形卷积,视觉注意力机制
AB值：
0.388122
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
