CDSANet:用于船舶实例细分的CNN-ViT注意力网络.

科学领域:

• 计算机视觉 计算机视觉
• 遥感 遥感 遥感 遥感
• 人工智能的人工智能

背景情况:

• 船舶实例细分对于海上应用,如监视和港口管理至关重要.
• 挑战包括密集的船舶分布,规模/形状变化和有限的数据集.
• 像YOLOv8这样的现有方法在全球-本地交互和精确的掩盖边界方面扎.

研究的目的:

• 开发一个新的单阶段网络,CDSANet,用于准确的船舶实例细分.
• 改进全球-本地相互作用的建模和用于船舶检测的特征表示.
• 为了提高远程传感图像中的细分精度和概括能力.

主要方法:

• 拟议的CDSANet集成了卷积运算,视觉转换器和注意力机制.
• 使用卷积视觉转换器注意力 (CVTA) 骨干来增强特征提取.
• 在子中使用动态加权的DOWConv来处理多个规模的实例,并减少SIoU以改善本地化.

主要成果:

• 在VLRSSD数据集上,CDSANet实现了75.9%的口罩平均精度 (AP).
• 在面具AP (50-95) 中,表现比YOLOv8基线高1.8%.
• 在处理密集的船舶分布和规模变化方面表现出卓越的性能.

结论:

• CDSANet在船舶实例细分方面取得了重大进展,用于遥感.
• 集成架构有效地解决了以前方法的局限性.
• 拟议的网络显示出对现实世界海上监控和管理应用的巨大潜力.