MC-ASFF-ShipYOLO:改进了用于小型目标和多尺度船舶检测的算法,用于合成孔径雷达 (SAR) 图像
Yubin Xu1, Haiyan Pan1, Lingqun Wang1
1School of Information Science, Shanghai Ocean University, Shanghai 201306, China.
Sensors (Basel, Switzerland)
|May 14, 2025
概括
本研究介绍了MC-ASFF-ShipYOLO,这是一种用于合成孔径雷达 (SAR) 船舶检测的新框架. 它增强了小目标识别和多尺度检测,大大提高了海上监测能力.
科学领域:
- 遥感 遥感 遥感 遥感
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 合成孔径雷达 (SAR) 船舶检测对于海上安全和管理至关重要.
- 当前的深度学习方法在SAR图像中与船舶尺寸变化,小目标特征和环境干扰作斗争.
- 现有的研究往往单独解决小目标或多尺度检测,缺乏综合解决方案.
研究的目的:
- 介绍MC-ASFF-ShipYOLO,一个统一的SAR船舶检测框架.
- 加强对小型船舶的检测,提高多层次检测能力.
- 为了解决现有的SAR船只检测方法的局限性.
主要方法:
- 将蒙特卡罗注意 (MCAttn) 模块集成到骨干中,以增强小目标对焦.
- 将自适应空间特征融合 (ASFF) 模块纳入用于动态多尺度特征融合的检测头.
- 在组合的HRSID和SSDD数据集上进行实验验证.
主要成果:
- 与基线相比,MC-ASFF-ShipYOLO显示了1.39%的精度,2.63%的回忆,2.28%的AP50和3.04%的AP的改善.
- 拟议的方法优于主流的SAR船只检测模型.
- 该框架始终生产高质量的检测盒,即使在高可信度值.
结论:
- MC-ASFF-ShipYOLO有效地解决了SAR图像中小目标识别和多尺度检测的挑战.
- 新的MCAttn和ASFF模块显著提高了检测性能和稳定性.
- 这一框架为SAR船舶检测技术在海上应用中提供了宝贵的进步.
