用于SAR圖像艦船目標(biāo)檢測(cè)的MAF-Net和CS損失

摘要： 深度學(xué)習(xí)算法以其端到端訓(xùn)練和高準(zhǔn)確率等優(yōu)勢(shì)被廣泛應(yīng)用于合成孔徑雷達(dá)圖像艦船檢測(cè)領(lǐng)域。然而，SAR圖像中艦船目標(biāo)尺寸跨度較大，且易受到復(fù)雜背景和噪聲的干擾，從而影響識(shí)別精度。為了進(jìn)一步提高網(wǎng)絡(luò)的檢測(cè)精度，本文提出了一個(gè)多尺度注意力融合網(wǎng)絡(luò)。該網(wǎng)絡(luò)主要包含一個(gè)多尺度特征注意力融合模塊，該模塊使用骨干網(wǎng)絡(luò)輸出的特征圖，融合多尺度的信息，在空間和通道維度對(duì)FPN輸出的特征圖進(jìn)行增強(qiáng)，用...