基于注意力机制特征融合网络的SAR图像飞机目标快速检测OA北大核心CSCDCSTPCD
Attention Feature Fusion Network for Rapid Aircraft Detection in SAR Images
针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像中飞机目标散射点离散化程度高,周围背景干扰复杂,现有算法对飞机浅层语义特征表征能力弱等问题,本文提出了基于注意力特征融合网络(Attention Feature Fu-sion Network,AFFN)的SAR图像飞机目标检测算法.通过引入瓶颈注意力模块(Bottleneck Attention Module,BAM),本文在AFFN中构建了包含注意力双向特征融合模块(Attention Bidirectional Feature Fusion Module,ABFFM)与注意力传输连接模块(Attention Transfer Connection Block,ATCB)的注意力特征融合策略并合理优化了网络结构,提升了算法对飞机离散化散射点浅层语义特征的提取与判别.基于自建的Gaofen-3与TerraSAR-X卫星图像混合飞机目标实测数据集,实验对AFFN与基于深度学习的通用目标检测以及SAR图像特定目标检测算法进行了比较,其结果验证了AFFN对SAR图像飞机目标检测的准确性与高效性.
赵琰;赵凌君;匡纲要
国防科技大学电子信息系统与复杂电磁环境效应国家重点实验室,湖南长沙 410073国防科技大学电子信息系统与复杂电磁环境效应国家重点实验室,湖南长沙 410073国防科技大学电子信息系统与复杂电磁环境效应国家重点实验室,湖南长沙 410073
信息技术与安全科学
注意力机制特征融合飞机目标快速检测SAR图像卷积神经网络
《电子学报》 2021 (9)
集成领域知识与深度神经网络的多源遥感影像协同语义学习
1665-1674,10
国家自然科学基金(No.61971426)
评论