TGRSShip Detection in Large-Scale SAR Images Via Spatial Shuffle-Group Enhance Attention译读笔记

Posted 2021-12-06 songyuc

摘要

使用SAR进行舰船目标检测在军用和民用领域具有十分重要的应用。然而，舰船目标很难与周围的北京区分开来，并且许多虚警是由于陆地区域的影响而产生的。舰船检测中经常发生虚警是因为大尺度SAR图像中多数区域都被当作是背景和杂波，而船舶目标被认为是分布不均匀的小目标。为了解决这些问题，本文提出了一种使用CenterNet针对大尺度SAR图像的舰船检测方法。作为一种Anchor-Free方法，CenterNet将目标定义为一个点，通过关键点估计定位目标的中心点，于是能够有效地避免小目标的漏检。与此同时，Spatial-Shuffle-Group-Enhance（SSE）注意力模块被应用于CenterNet模型中。通过SSE模块，可以提取更强的语义特征，并且抑制噪声，以减少由近海和内陆干扰引起的FP（false positive）。在公开SAR舰船数据集进行的实验显示提出的方法能够无漏检地检测所有的目标，包括密集停靠的舰船目标。对于哨兵1号获取的大尺度SAR图像中的舰船目标，所提出的方法能以高精度检测出近岸和海域中的目标，超越了Faster-RCNN、SSD、YOLO、FPN以及它们的变体方法。

1 引言

SAR的独特优势在于其不受到天时或者其它恶劣天气的限制。舰船检测在SAR图像数据十分重要的应用，在军用和民用领域都发挥着关键的作用。如今，国际上已经使用了许多机载和星载SAR成像技术，