旋转矩形框与CBAM改进RetinaNet的SAR图像近岸舰船检测

• 作者: 焦军峰 靳国旺 熊新 罗玉林
• 来源期刊: 测绘科学技术学报
• 关键词: SAR图像 舰船检测 改进RetinaNet 注意力模块 旋转矩形框
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 摄影测量与遥感|Photogrammetry and Remote Sensing
• 页码范围: 603-609
• 页数: 7页
• 分类号: P237
• 语种: 中文
• DOI: 10.3969/j.issn.1673-6338.2020.06.009

摘要

针对海岸、岛礁、码头等因素干扰而造成的SAR图像近岸舰船检测精度不高问题,设计了采用旋转矩形框与卷积注意力模块CBAM(Convolutional Block Attention Module)改进RetinaNet的SAR图像近岸舰船检测方案.该方案在RetinaNet算法基础上,利用具有目标角度参数的旋转矩形框减弱非目标区域对舰船特征提取的干扰,在RetinaNet特征提取网络相邻残差块之间加入卷积注意力模块进行目标特征的有效聚焦,从而改善近岸舰船检测效果.利用公开的SSDD数据集、自标注近岸数据集进行了舰船检测实验,得到的检测精度相较于常规RetinaNet算法分别提升了 7.02％和8.89％,验证了该方案的有效性.