基于可变形的多尺度自注意力特征融合SAR影像舰船识别

摘要

SAR图像中不同类别船舶的目标特征区分不明显，当船舶类别较多时会出现识别准确率下降的问题。为更好地提取类别特征，本文提出一种识别模型DCN-MSFF-TR,借鉴Transformer encoder-decoder思想，在主干网络中加入可变形卷积模块(DCN),同时，将经过Transformer多尺度自注意力处理的特征层按照特征金字塔的方式在模型合适的位置进行特征融合，每一层不仅能够利用自身的信息，还能够综合利用其他层的特征。在公开数据集Open SARShip-3-Complex三分类数据集和Open SARShip-6-Complex六分类数据集的验证结果表明，平均识别精确率分别达到78.1%和66.7%,说明本文方法相对其他识别模型可更有效识别出SAR图像中的舰船类别。

关键词

SAR图像 / 船舶识别 / Transformer架构 / 可变卷积 / 特征融合