系统工程与电子技术

作者：张天文, 张晓玲, 邵子康, 曾天娇

单位：1. 电子科技大学信息与通信工程学院, 四川 成都 611731；2. 电子科技大学航空航天学院, 四川 成都 611731

关键词：合成孔径雷达,深度学习,实例分割,掩模注意型交互

基金：国家自然科学基金(61571099)

现有合成孔径雷达(synthetic aperture radar, SAR)舰船实例分割方法未实现掩模交互或交互性能有限, 导致检测精度较低。针对上述问题, 提出了一种基于掩模注意型交互(mask attention interaction, MAI)的SAR舰船实例分割方法MAI-Net。首先, MAI-Net使用了膨胀空间金字塔池化, 来获取多分辨率特征响应, 增强了对背景的鉴别能力。其次, MAI-Net使用了非局部注意力模块来抑制低价值信息, 实现了空间特征自注意。最后, MAI-Net提出了拼接混洗注意力模块来平衡不同特征图的贡献, 进一步提高了实例分割精度。在公开的像素级多边形分割SAR舰船检测数据集(polygon segmentation SAR ship detection dataset, PSeg-SSDD)上的实验结果表明, MAI-Net的SAR舰船实例分割精度高于现有其他11种对比模型, 实例分割精度达到61.1%, 高于次优模型1.5%。

来源：2024年第3期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2024年第3期