全等级上下文压缩激励的SAR舰船实例分割

摘要：

现有深度学习SAR舰船实例分割方法未考虑特征全等级信息和目标上下文信息,导致了较低实例分割精度.针对上述问题,提出了一种基于全等级上下文压缩激励感兴趣区域ROI提取器的SAR舰船实例分割方法FL-CI-SE-ROIE.FL-CI-SE-ROIE实现了全等级ROI提取,可保留全等级信息,增强了网络多尺度描述能力.FL-CI-SE-ROIE实现了上下文ROI扩充,可获取目标上下文信息,增强了网络背景鉴别能力.FL-CI-SE-ROIE引入了压缩激励SE模块来平衡不同范围的上下文ROI,可抑制背景干扰,进一步提高了实例分割精度.在公开像素级多边形分割SAR舰船检测数据集PSeg-SSDD上的实验结果表明,所提方法的SAR舰船实例分割精度高于现有其他9种对比模型.

关键词：深度学习、实例分割、感兴趣区域提取器、合成孔径雷达

所属期刊栏目：52

分类号：TN958

资助基金：国家自然科学基金61571099

在线出版日期：2023-06-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：357-365