成果名称：基于组合融合与全局注意力机制的合成孔径雷达舰船检测算法

成果简介：合成孔径雷达（SAR）是一种主动遥感成像雷达技术，能够在全天候和各种天气条件下工作。它被广泛应用于船舶检测，以便从SAR图像中快速获取海洋表面船舶信息。然而，船舶SAR图像通常模糊不清，受到大量噪声干扰，并且包含更多的小目标，这给现有的单阶段检测器带来挑战。为了解决这些问题，我们设计了一种新颖的网络结构，即组合融合SSD（CF-SSD），基于原始SSD框架进行改进。该网络主要包括三个模块，即组合融合（CF）模块、全局注意力模块（GAM）和混合损失函数模块，以显著提高SAR图像和遥感图像的检测精度并保持快速推理速度。组合融合（CF）模块赋予每个特征图在不同层级上检测各种大小的目标的能力，并形成一致而强大的检测结构，以学习更多有用的SAR特征信息。全局注意力模块（GAM）生成注意力权重，并考虑各种尺度特征信息或交叉层地图的通道注意力信息，从全局角度获取更好的特征表示。混合损失函数模块可以通过同时考虑锚框的角点和中心坐标来更好地学习真实锚框的位置。CF-SSD可以有效提取和融合特征，避免丢失小目标或模糊目标的信息，并从SAR图像中精确定位目标位置。我们在SAR船舶数据集SSDD上进行了实验，取得了90.3％的mAP和接近原始SSD的快速推理速度。我们还在遥感数据集NWPU VHR-10和常见数据集VOC2007上对模型进行了测试。实验结果表明，我们提出的模型同时实现了优秀的检测性能和高效率。该项成果以许立波老师为第一作者，于2021年发表在国际计算机领域高水平学术期刊《remote sensing》上。

图1 算法整体流程

图2 算法检测结果