基于RFLA和注意力机制的SAR遥感船舰目标检测方法技术

本发明专利技术公开了基于RFLA和注意力机制的SAR遥感船舰目标检测方法，针对SAR成像的特点以及小目标检测的难点，在通道域和空间域注意力机制的基础上设计了层级互通的注意力模块。该模块可以融合相邻层级之间的特征，进一步提升了网络对于微小目标的特征提取能力；其次，本发明专利技术引入了基于高斯感受野的标签分配策略RFLA。利用高斯感受野作为先验信息，可以对整幅图像的任意特征点和任意真实值的位置关系进行建模，从而可以得到小目标的平衡正样本。此外，该策略采用高斯先验，因其高度符合高斯感受野的特性，所以有效地缓解了小目标感受野不匹配的问题。

【技术实现步骤摘要】

本专利技术属于雷达目标检测，涉及基于rfla和注意力机制的sar遥感船舰目标检测方法。

技术介绍

1、随着遥感技术的往前推进,依据传感器的不同将成像方式分为三种类型：可见光成像、红外成像以及合成孔径雷达成像。其中，可见光图像能够显示物体的色彩且具有很高的分辨率，但是成像效果易受气象条件和地表光照强度的影响；红外成像技术可以很好地弥补这一缺陷，但是容易受到红外热辐射的干扰。合成孔径雷达(synthetic apertureradar,sar)图像具有全天时、全天候、抗云雨性等特点，不受气侯、光照等因素的干扰，能够满足海洋船舰探测的要求。另外值得一提的是，陆地区域产生的强散射和船舶经过的尾迹等都会对检测过程产生干扰，给船舰目标在遥感影像中的检测带来了巨大的挑战。

2、传统的船舰目标检测算法采用人工构建特征参数并进行参数调整，而特征参数中可供选择的参数数量十分有限。同时，由于算法的性能严重依赖于设计人员的先验知识，使得大数据的优势难以得到有效发挥，难以有效地挖掘出目标特性。一般来说，当场景比较简单时，恒虚警率(constant false-alarm本文档来自技高网...

【技术保护点】

1.基于RFLA和注意力机制的SAR遥感船舰目标检测方法，其特征在于，该方法按照以下步骤实施，

2.根据权利要求1所述的基于RFLA和注意力机制的SAR遥感船舰目标检测方法，其特征在于，步骤1中，所述SAR图像数据集包括SSDD和HRSID数据集以及相关的船舰标签，采用COCO数据集的格式；

3.根据权利要求2所述的基于RFLA和注意力机制的SAR遥感船舰目标检测方法，其特征在于，步骤2中，所述特征提取网络中加入层级互通注意力机制，在多尺度特征融合过程中，依据各个尺度特征图的贡献度进行权重分配；主要通过层级之间在空间、通道和尺度上的关系来动态地确定相邻层融合时的权...

【技术特征摘要】

1.基于rfla和注意力机制的sar遥感船舰目标检测方法，其特征在于，该方法按照以下步骤实施，

2.根据权利要求1所述的基于rfla和注意力机制的sar遥感船舰目标检测方法，其特征在于，步骤1中，所述sar图像数据集包括ssdd和hrsid数据集以及相关的船舰标签，采用coco数据集的格式；

3.根据权利要求2所述的基于rfla和注意力机制的sar遥感船舰目标检测方法，其特征在于，步骤2中，所述特征提取网络中加入层级互通注意力机制，在多尺度特征融合过程中，依据各个尺度特征图的贡献度进行权重分配；主要通过层级之间在空间、通道和尺度上的关系来动态地确定相邻层融合时的权重。

4.根据权利要求3所述的基于rfla和注意力机制的sar遥感船舰目标检测方法，其特征在于，步骤3中，基于高斯感受野的标签分配策略以wassertein距离作为候选感受野距离rfdc，wassertein距离公式如式(3)所示：

5.根据权利要求4所述的基于rfla和注意力机制的sar遥感船舰目标检测方法，其特征在于，步骤2所述检测模型主干算法网络为yolov8。

6.根据权利要求1所述的基于rfla和注意力机制的sar遥感船舰目标检测方法，其特征在于，步骤2中所述特征提取网络中层级互通注意力模块分别从空间和通道获取两个特征图之间的相关性信息来决定最终的特征融合结果；...

【专利技术属性】
技术研发人员：薛涛，张佳怡，安贵，
申请(专利权)人：西安工程大学，
类型：发明
国别省市：