多尺度特征融合与特征通道关系校准的SAR图像船舶检测

TN957.52; 目前深度学习技术在SAR图像的船舶检测中已取得显著的成果,但针对SAR船舶图像中复杂多变的背景环境,如何准确高效地提取目标特征,提升检测精度与检测速度仍存在着巨大的挑战.针对上述问题,该文提出了一种多尺度特征融合与特征通道关系校准的SAR图像船舶检测算法.在Faster R-CNN的基础上,首先通过引入通道注意力机制对特征提取网络进行特征间通道关系校准,提高网络对复杂场景下船舶目标特征提取的表达能力;其次,不同于原始的基于单一尺度特征生成候选区域的方法,该文基于神经架构搜索算法引入改进的特征金字塔结构,高效地将多尺度特征进行充分融合,改善了船舶目标中对小目标、近岸密集目标的...

Full description

Saved in:
Bibliographic Details
Published in雷达学报 Vol. 10; no. 4; pp. 531 - 543
Main Authors 周雪珂, 刘畅, 周滨
Format Journal Article
LanguageChinese
Published 中国科学院空天信息创新研究院 北京 100190%中国科学院空天信息创新研究院 北京 100190 2021
中国科学院大学 北京 100049
Subjects
船舶检测
特征融合
通道注意力
Faster R-CNN
合成孔径雷达
Online AccessGet full text
ISSN2095-283X
DOI10.12000/JR21021

Cover

Abstract TN957.52; 目前深度学习技术在SAR图像的船舶检测中已取得显著的成果,但针对SAR船舶图像中复杂多变的背景环境,如何准确高效地提取目标特征,提升检测精度与检测速度仍存在着巨大的挑战.针对上述问题,该文提出了一种多尺度特征融合与特征通道关系校准的SAR图像船舶检测算法.在Faster R-CNN的基础上,首先通过引入通道注意力机制对特征提取网络进行特征间通道关系校准,提高网络对复杂场景下船舶目标特征提取的表达能力;其次,不同于原始的基于单一尺度特征生成候选区域的方法,该文基于神经架构搜索算法引入改进的特征金字塔结构,高效地将多尺度特征进行充分融合,改善了船舶目标中对小目标、近岸密集目标的漏检问题.最后,在SSDD数据集上进行对比验证.实验结果表明,相较原始的Faster R-CNN,检测精度从85.4％提高到89.4％,检测速率也从2.8 FPS提高到10.7 FPS.该方法能够有效实现高速与高精度的SAR图像船舶检测,具有一定的现实意义.
AbstractList TN957.52; 目前深度学习技术在SAR图像的船舶检测中已取得显著的成果,但针对SAR船舶图像中复杂多变的背景环境,如何准确高效地提取目标特征,提升检测精度与检测速度仍存在着巨大的挑战.针对上述问题,该文提出了一种多尺度特征融合与特征通道关系校准的SAR图像船舶检测算法.在Faster R-CNN的基础上,首先通过引入通道注意力机制对特征提取网络进行特征间通道关系校准,提高网络对复杂场景下船舶目标特征提取的表达能力;其次,不同于原始的基于单一尺度特征生成候选区域的方法,该文基于神经架构搜索算法引入改进的特征金字塔结构,高效地将多尺度特征进行充分融合,改善了船舶目标中对小目标、近岸密集目标的漏检问题.最后,在SSDD数据集上进行对比验证.实验结果表明,相较原始的Faster R-CNN,检测精度从85.4％提高到89.4％,检测速率也从2.8 FPS提高到10.7 FPS.该方法能够有效实现高速与高精度的SAR图像船舶检测,具有一定的现实意义.
Author 周滨
刘畅
周雪珂
AuthorAffiliation 中国科学院大学 北京 100049;中国科学院空天信息创新研究院 北京 100190%中国科学院空天信息创新研究院 北京 100190
AuthorAffiliation_xml – name: 中国科学院大学 北京 100049;中国科学院空天信息创新研究院 北京 100190%中国科学院空天信息创新研究院 北京 100190
Author_FL LIU Chang
ZHOU Bin
ZHOU Xueke
Author_FL_xml – sequence: 1
  fullname: ZHOU Xueke
– sequence: 2
  fullname: LIU Chang
– sequence: 3
  fullname: ZHOU Bin
Author_xml – sequence: 1
  fullname: 周雪珂
– sequence: 2
  fullname: 刘畅
– sequence: 3
  fullname: 周滨
BookMark eNrjYmDJy89LZWAQMDTQMzQyMDDQ9woyMjQwMmRh4DQysDTVNbIwjuBg4C0uzkwyMDYzMjUzMDbhZPB4umTW0w27nu5a9rxz59N9jS_m9T6d0PFkRx-E-7Jh1svGyU9bNz_fvPvZgoVP29uez2oJdgx6Onvf0-b-Fx07X3Rse7a44dnWbh4G1rTEnOJUXijNzRDq5hri7KHr4-_u6ezoo1tsaGBgomtiaWiRZGyemmhmaGyaapFsYGppamJgYJRmmGqWaG6anGRklGhpbmRuaGGZlmqWlmhhCvSEoXGyiZlZmqFpipExN4MqxNzyxLy0xLz0-Kz80qI8oI3xOSkVSUZADxsAzTMxBgAmU2Nt
ClassificationCodes TN957.52
ContentType Journal Article
Copyright Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
Copyright_xml – notice: Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
DBID 2B.
4A8
92I
93N
PSX
TCJ
DOI 10.12000/JR21021
DatabaseName Wanfang Data Journals - Hong Kong
WANFANG Data Centre
Wanfang Data Journals
万方数据期刊 - 香港版
China Online Journals (COJ)
China Online Journals (COJ)
DatabaseTitleList
DeliveryMethod fulltext_linktorsrc
Discipline Engineering
DocumentTitle_FL Ship Detection in SAR Images Based on Multiscale Feature Fusion and Channel Relation Calibration of Features
EndPage 543
ExternalDocumentID ldxb202104004
GrantInformation_xml – fundername: 国家重点研发计划
  funderid: (2017YFB0503001)
GroupedDBID -0Y
2B.
4A8
5VS
92H
92I
93N
ABJNI
ACGFS
ALMA_UNASSIGNED_HOLDINGS
CCEZO
CUBFJ
GROUPED_DOAJ
IPNFZ
KQ8
PSX
RIG
TCJ
TGT
U1G
U5S
ID FETCH-LOGICAL-s1004-4918b37ea6135e8c05954002f1e6a75cb22a9727189fe6fa8521013c466f15d23
ISSN 2095-283X
IngestDate Thu May 29 04:01:07 EDT 2025
IsPeerReviewed true
IsScholarly true
Issue 4
Keywords 船舶检测
特征融合
通道注意力
Faster R-CNN
合成孔径雷达
Language Chinese
LinkModel OpenURL
MergedId FETCHMERGED-LOGICAL-s1004-4918b37ea6135e8c05954002f1e6a75cb22a9727189fe6fa8521013c466f15d23
PageCount 13
ParticipantIDs wanfang_journals_ldxb202104004
PublicationCentury 2000
PublicationDate 2021
PublicationDateYYYYMMDD 2021-01-01
PublicationDate_xml – year: 2021
  text: 2021
PublicationDecade 2020
PublicationTitle 雷达学报
PublicationTitle_FL Journal of Radars
PublicationYear 2021
Publisher 中国科学院空天信息创新研究院 北京 100190%中国科学院空天信息创新研究院 北京 100190
中国科学院大学 北京 100049
Publisher_xml – name: 中国科学院大学 北京 100049
– name: 中国科学院空天信息创新研究院 北京 100190%中国科学院空天信息创新研究院 北京 100190
SSID ssib036256034
ssj0001853618
ssib023646539
ssib036438606
ssib051376368
ssib038075146
ssib058814069
ssib011592811
ssib054421839
Score 2.3193932
Snippet TN957.52; 目前深度学习技术在SAR图像的船舶检测中已取得显著的成果,但针对SAR船舶图像中复杂多变的背景环境,如何准确高效地提取目标特征,提升检测精度与检测速度仍存在着...
SourceID wanfang
SourceType Aggregation Database
StartPage 531
Title 多尺度特征融合与特征通道关系校准的SAR图像船舶检测
URI https://d.wanfangdata.com.cn/periodical/ldxb202104004
Volume 10
hasFullText 1
inHoldings 1
isFullTextHit
isPrint
journalDatabaseRights – providerCode: PRVAFT
  databaseName: Open Access Digital Library
  issn: 2095-283X
  databaseCode: KQ8
  dateStart: 20120101
  customDbUrl:
  isFulltext: true
  dateEnd: 99991231
  titleUrlDefault: http://grweb.coalliance.org/oadl/oadl.html
  omitProxy: true
  ssIdentifier: ssj0001853618
  providerName: Colorado Alliance of Research Libraries
– providerCode: PRVAON
  databaseName: DOAJ Directory of Open Access Journals
  issn: 2095-283X
  databaseCode: DOA
  dateStart: 20120101
  customDbUrl:
  isFulltext: true
  dateEnd: 99991231
  titleUrlDefault: https://www.doaj.org/
  omitProxy: true
  ssIdentifier: ssj0001853618
  providerName: Directory of Open Access Journals
– providerCode: PRVHPJ
  databaseName: ROAD: Directory of Open Access Scholarly Resources
  issn: 2095-283X
  databaseCode: M~E
  dateStart: 20120101
  customDbUrl:
  isFulltext: true
  dateEnd: 99991231
  titleUrlDefault: https://road.issn.org
  omitProxy: true
  ssIdentifier: ssib054421839
  providerName: ISSN International Centre
link http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwzR3LbtQw0GrLBQ6Ip3hWPeBTFcjDduyjs5vVigOH0kp7q5JNAge0lWgroZ5a8VqEeEjcFgmBQJyRKhAtUr-G9PETiBknu0nFSjxOXKKJPZ7xeJLMjGOPCbniJcLHJClWasuuxaKIWYrZqZXFWQL2iuFxL7ja4oZoL7DrHd6ZmPxRW7W0uhJf7a6N3VfyL1qFMtAr7pL9C82OiEIBwKBfuIKG4fpHOqYhp5pRpREIbBoUgKZa0NCnUtFAmZIQHEYaSqoAaGKJsqmUNGQ0kFSG45CVWQOhDeBQ5WGVhFoPkeEaBDQUVNtUO6YKKBim0ESym3rOcAmQGtZ6VLawA8AUuRSAMBQ8ZARAAGhB3VdG1kjBR3ygU5DSTSOdoBLE5MPnxXBzqJZlI62NTC0q3ToKcFXS9BKFGdNYoFxa1udC3GoWpBww3RwK10Ra2sfWVdegA4pq11SpUiegJYCxecsMmMBB1a1hn8xYKoE6xFYw8GzYvCI4a7AbVPmGEIjfmMXcVqBLl_-vXasMjQtutgVuZueQVbRrbz-rmTheWu3CW-JFkq1fDDHuAMNDxudwSsGpnI3REtA7yb0YVWiMyCQ54vrgKdamRMAeQLCiXFnZHzzrADMpD-_B9wJ_vUpvCNWeFNWqATxLgddyI3EHrWkVXnPGTIAwupeY_k2oao4WfFlhfhGMhqjMX43iXSuFM9v9elnUu1XzTOdPkONlSDmji-_DSTKxdvsUOVZLNHqatPMPg_zTdr79ce_JVr6zsf_mWf6y__3r8-L2YH1wsPEqf7i5t_lt9-27_PGjvcEDeIfz1zv5_Rf7_a39_pfd9-u7n5-eIQutcL7RtsozVKxlzAVpMeXI2PPTCNx2nsouRFMQo9lu5qQi8nk3dt1IQQzjSJWlIoskuPMQFXaZEJnDE9c7S6Z6S730HJnheHhg4svYEbheQsRxmuJvlMj3edJNnPNkuhyHxfIbubx4SMsXfodwkRxFuJjhvESmVu6uppfB51-Jp82D8ROFeLj5
linkProvider Directory of Open Access Journals
openUrl ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E5%A4%9A%E5%B0%BA%E5%BA%A6%E7%89%B9%E5%BE%81%E8%9E%8D%E5%90%88%E4%B8%8E%E7%89%B9%E5%BE%81%E9%80%9A%E9%81%93%E5%85%B3%E7%B3%BB%E6%A0%A1%E5%87%86%E7%9A%84SAR%E5%9B%BE%E5%83%8F%E8%88%B9%E8%88%B6%E6%A3%80%E6%B5%8B&rft.jtitle=%E9%9B%B7%E8%BE%BE%E5%AD%A6%E6%8A%A5&rft.au=%E5%91%A8%E9%9B%AA%E7%8F%82&rft.au=%E5%88%98%E7%95%85&rft.au=%E5%91%A8%E6%BB%A8&rft.date=2021&rft.pub=%E4%B8%AD%E5%9B%BD%E7%A7%91%E5%AD%A6%E9%99%A2%E7%A9%BA%E5%A4%A9%E4%BF%A1%E6%81%AF%E5%88%9B%E6%96%B0%E7%A0%94%E7%A9%B6%E9%99%A2+%E5%8C%97%E4%BA%AC+100190%25%E4%B8%AD%E5%9B%BD%E7%A7%91%E5%AD%A6%E9%99%A2%E7%A9%BA%E5%A4%A9%E4%BF%A1%E6%81%AF%E5%88%9B%E6%96%B0%E7%A0%94%E7%A9%B6%E9%99%A2+%E5%8C%97%E4%BA%AC+100190&rft.issn=2095-283X&rft.volume=10&rft.issue=4&rft.spage=531&rft.epage=543&rft_id=info:doi/10.12000%2FJR21021&rft.externalDocID=ldxb202104004
thumbnail_s http://utb.summon.serialssolutions.com/2.0.0/image/custom?url=http%3A%2F%2Fwww.wanfangdata.com.cn%2Fimages%2FPeriodicalImages%2Fldxb%2Fldxb.jpg