计算机工程

作者：黄帅, 张毅

单位：1. 中国科学院 空天信息研究院, 北京 1000190;2. 中国科学院大学 电子电气与通信工程学院, 北京 100049

关键词：舰船检测,梯形特征金字塔,多尺度特征聚合,耦合网络,可训练权重因子

基金：国家部委基金。

在合成孔径雷达（SAR）图像舰船检测中，现有检测方法难以有效提取多尺度语义信息，无法准确地表示其在整个网络中的信息权重，且定位模块与分类模块相关性较弱，导致定位不准确。提出一种梯形跨尺度特征耦合网络，通过梯形特征金字塔网络提取各级语义信息，采用交叉结构代替跳连结构，提高网络的泛化能力和语意表征能力，并引入可训练权重因子表示各级语义信息的重要性。在此基础上，将定位模块与分类模块通过耦合检测头增强两者之间的相关性，引入可变形卷积对最终的定位输出进行二次校准，从而提高检测精度。实验结果表明，与FasterRCNN、CascadeRCNN、RetinaNet等主流网络相比，该网络在SSDD数据集上的检测精度提高了2.74个百分点以上，具有良好的检测性能。在近岸复杂场景下，该网络能更有效地检测密集目标和多尺度目标，降低误检和漏检的概率。

来源：2022年第12期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第12期