基于阶梯式残差与坐标信息重组的SAR船舰检测方法
摘要
为了在提高合成孔径雷达（SAR）船舰检测精度的同时降低误检率，提出了一种基于阶梯式残差结构和坐标信息重组的SAR船舰检测方法。首先，将阶段性残差部分卷积块构建为主干网的主要特征提取模块，以提高船舶目标识别能力、有效降低参数量；其次，在特征融合部分，基于空间信道注意力机制和级联层构建体块注意网络；进一步关注模型的几何信息，在检测头部分，提出了坐标信息重建卷积；在特征传递的最后阶段，利用坐标信息重组卷积旋转不变性的特点，在提高海上不同方位船舶检验效果的同时，增强模型的承载干扰能力，优化信息融合质量；最后，将规格化的高斯Wasserstein Distance引入检测头处的损耗回归函数中，以增强小目标的检测能力。为了证明所提出的网络的有效性，在HRSID数据集和SSDD数据集上进行了实验。结果表明：对于更复杂的HRSID数据集，与基准模型相比，基于阶梯式残差和坐标信息重组的网络的准确率提高了4.8%，召回率提高了3.7%，交并比（IoU）为0.5时的平均精度提高了4.1%，IoU为0.5∶0.95时的平均精度提高了2.7%；在SSDD数据集中，与基准模型相比，基于阶梯式残差和坐标信息重组的网络的准确率上升4.9%，召回率上升1.3%，IoU为0.5时的平均准确率上升2.8%，IoU为0.5∶0.95时的平均准确率上升2.8%，网络模型参数减少约20%。所提网络在提高SAR船舰检测精度、改善误检漏检等方面具有显著优势，有效解决了SAR船舰检测问题，为检测船舰提供了一种有效、高精度的方法。
引用本文（GB/T 7714）
刘文星 Liu Wenxing, 单慧琳 Shan Huilin, 王兴涛 Wang Xingtao, 等. 基于阶梯式残差与坐标信息重组的SAR船舰检测方法[J]. Acta Optica Sinica, 2025.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。