基于特征与区域定位增强的遥感舰船目标检测

摘要：

高分辨率遥感图像在海上监视、海上搜救、海上运输等军用和民用领域的舰船检测方面有着广泛的应用.然而高分辨率光学遥感图像舰船目标检测通常存在背景复杂、目标方向任意、尺度多变等问题,导致检测精度不高.提出一种基于特征和区域定位增强的旋转检测算法RetinaNet-MPD.通过添加一个多尺度特征融合模块,充分融合不同尺度、不同层级的特征信息,以增强不同尺度特征图的特征表示能力.针对复杂背景下的舰船目标检测,提出极化双重注意力网络,通过在注意力网络后加入极化函数,充分提取目标的关键特征,同时抑制不相关信息,以有效区分目标和背景.此外,为更准确地定位舰船目标,在对正负样本进行训练时采用一种动态锚学习方法,从而动态选择目标区域内具有良好定位潜力的高质量锚,提高舰船目标检测精度.实验结果表明,RetinaNet-MPD算法在DOTA舰船和HRSC2016数据集上的检测精度分别为89.3％和85.8％,相比现有旋转目标检测算法的检测精度有所提升.

关键词：高分辨率遥感图像、舰船目标检测、多尺度特征融合、极化双重注意力网络、动态锚学习

所属期刊栏目：49

分类号：TP391.41(计算技术、计算机技术)

资助基金：湖北工业大学博士启动基金BSQD2020056

在线出版日期：2023-10-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：257-264