MFFC-SDN: multi-level feature fusion codec-based ship detection network in SAR images

编解码器 计算机科学 特征(语言学) 人工智能 计算机视觉 合成孔径雷达 遥感 融合 模式识别(心理学) 电信 地质学 语言学 哲学
作者
Yanshan Li,W. Liu,Ruo Chen Qi
出处
期刊:International Journal of Remote Sensing [Informa]
卷期号:45 (13): 4407-4427
标识
DOI:10.1080/01431161.2024.2360706
摘要

In recent years, with the development of deep learning, SAR image-based ship target-detection technology has become a current research hotspot. SAR images are characterized by complex backgrounds, significant speckle noise interference, and poor interpretability. To address this challenge, this study proposes a new Gaussian circle radius determination strategy and a multi-level feature fusion codec-based ship detection network (MFFC-SDN) for SAR images. Differing from CenterNet's corner-oriented Gaussian circle strategy, the Gaussian circle strategy proposed in this paper takes the centre point coordinates of the real target as the origin to define a circular region. This approach allows for more precise supervision of the training model. Meanwhile, we propose MFFC-SDN to solve the problem of the poor performance of CenterNet in SAR ship detection. MFFC-SDN is an anchor-free, single-stage target-detection method with a low computation cost. In MFFC-SDN, we introduce a Multilevel Feature Recapture Codec Module (MFR-CM) to enhance the feature extraction capability of the network by using the features of the encoding stage twice because of the easy loss of image features in the lengthy codec process of the CenterNet network backbone. A Residual Attention Pyramid Feature Fusion Module (RA-PFFM) is designed to enhance the feature map and obtain multi-scale features. Experimental results on the SSDD and SAR-ship-dataset show that MFFC-SDN significantly enhances SAR image target-detection performance, effectively addressing detection challenges related to large target size variations and complex environmental conditions. Compared with existing algorithms, MFFC-SDN achieves the highest AP50.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
鱼鱼片片完成签到,获得积分10
刚刚
23完成签到,获得积分20
刚刚
心灵美的安雁完成签到,获得积分10
刚刚
清秀的雁露完成签到,获得积分20
1秒前
1秒前
XS_QI完成签到 ,获得积分10
1秒前
luo完成签到,获得积分10
1秒前
皮皮发布了新的文献求助10
1秒前
酷炫的红牛完成签到,获得积分10
2秒前
2秒前
2秒前
HuaYu完成签到,获得积分10
2秒前
nly完成签到,获得积分10
3秒前
开朗含海完成签到,获得积分20
3秒前
Ohoooo完成签到,获得积分10
3秒前
优雅的怀莲完成签到,获得积分10
3秒前
xiaozhang完成签到 ,获得积分10
4秒前
Zachary完成签到,获得积分10
4秒前
如意冰棍完成签到 ,获得积分10
5秒前
无敌小天天完成签到 ,获得积分10
6秒前
Monai完成签到 ,获得积分10
6秒前
阳仔完成签到,获得积分10
7秒前
7秒前
科研小辣机完成签到 ,获得积分10
8秒前
9秒前
用户5063899完成签到,获得积分10
9秒前
9秒前
lefora完成签到,获得积分10
9秒前
材料若饥完成签到,获得积分10
10秒前
xiuqing董完成签到,获得积分10
10秒前
11秒前
11秒前
风滚草完成签到,获得积分10
12秒前
Youth发布了新的文献求助10
12秒前
惊蛰时分听春雷完成签到,获得积分10
13秒前
zuoyou完成签到,获得积分10
13秒前
妮妮发布了新的文献求助10
14秒前
充电宝应助朴实问筠采纳,获得10
14秒前
秦磊完成签到,获得积分10
14秒前
wangtingyu完成签到,获得积分10
14秒前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Foreign Policy of the French Second Empire: A Bibliography 500
Chen Hansheng: China’s Last Romantic Revolutionary 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3147003
求助须知:如何正确求助?哪些是违规求助? 2798336
关于积分的说明 7827807
捐赠科研通 2454956
什么是DOI,文献DOI怎么找? 1306492
科研通“疑难数据库(出版商)”最低求助积分说明 627808
版权声明 601565