基于特征转移金字塔网络的SAR图像跨尺度目标检测

摘要

2021-8
摘 要：SAR图像多尺度目标检测能够实现大场景SAR图像中关键目标的定位与识别，是SAR图像解译的关键技术之一。然而针对尺寸相差较大的SAR目标的同时检测，即跨尺度目标检测问题，现有目标检测方法难以实现。该文提出一种基于特征转移金字塔网络(FTPN)的SAR图像跨尺度目标检测方法。在特征提取阶段采用特征转移方法，实现各层特征图的有效连接，实现不同尺度特征图的提取；同时采用空洞卷积群方法，增大特征提取的感受野，促使网络提取到大尺度目标特征。上述环节能够有效保留不同尺寸目标特征，从而实现SAR图像中跨尺度目标的同时检测。基于高分三号SAR数据、SSDD数据集及高分辨率SAR舰船检测数据集-2.0等数据集的试验表明，该文方法能够实现SAR图像中机场、舰船等跨尺度目标的检测，在已有数据集上mAP达96.5%，较特征金字塔网络算法提升8.1%，并且整体性能优于现阶段最新的YOLOv4等目标检测算法。
关键词：SAR目标检测；特征金字塔；特征转移；空洞卷积群；跨尺度

正文

1. 基于恒虚警率(Constant False Alarm Rate, CFAR)的检测算法；
   时间、尺度、复杂场景
2. 基于显著性的检测算法；
3. 基于深度学习的检测算法
   单阶段检测方法容易忽略底层目标的特征，使得小目标难以被检测。

首先，利用残差网络对SAR图像进行特征提取，经过多个池化层输出不同尺度的特征图，并且将每一层的特征图都转移到后面每一层的特征层上，避免了随着网络深度的加深而目标特征减少的问题，在下采样的最后阶段网络层中加入空洞卷积，让大尺度目标的特征被提取，然后将特征转移后的不同层的特征图送入特征金字塔网络进行特征融合，能够尽可能地保留密集排列以及尺度相差巨大的目标特征，最后将融合后的特征送入区域候选网络( RPN)进行预测候选框输出。

针对，尺寸相差较大的目标。

思考

本文分析较为完整，数据集完善。
构造一个完整的论文需要：

1. 完善的算法理论和改进
2. 充分的实验验证自己改进的优越性
3. 2-3种其他算法的对比。这个需要积累啊。

定义

1. 跨尺度目标
   在同一幅SAR图像中，目标尺寸大小或者是目标所占像素大小相差较大的不同目标，称为跨
   尺度目标，其中，跨尺度是指不同目标的尺度比例相差较大而呈现出大尺度和小尺度。
2. 特征转移金字塔