基于注意力機制特征增強的艦船目標識別

趙春暉，肖舒勻，宿 南

(哈爾濱工程大學 信息與通信工程學院，哈爾濱 150001)

0 引 言

近年來，遙感圖像廣泛應用于各個領域[1-2]。艦船遙感圖像的目標檢測是遙感圖像研究領域重要的內容。實現艦船目標的精準檢測對保證海上安全、漁業管理以及海域監管具有重要意義。艦船目標識別不僅要實現通常意義上的艦船檢測，還要實現對于艦船型號的細粒度級分類。由于海洋環境多變、海岸艦船排列緊密，艦船船型復雜、目標較小等多種因素，艦船的目標檢測中特征信息的提取以及利用受到復雜現象的抑制，容易導致漏檢以及錯檢等問題，因此艦船的定位及識別更加具有挑戰性。

傳統的艦船目標檢測算法通過先驗信息首先選擇海洋作為研究區域[3-4]，然后利用模板匹配、監督分類等方式在尋找感興趣區域進行目標檢測。但是，傳統方式對遙感圖像的質量要求較高且方法魯棒性較差，難以滿足實際生產生活應用的要求。基于深度學習的艦船目標檢測算法更為高效，檢測算法主要分為雙階段和單階段兩種類型。單階段目標檢測算法以YOLO系列[5]作為代表，直接在圖像上對目標進行定位以及預測出類別置信度，該類算法速度更優；雙階段目標檢測算法以Faster R-CNN[6]系列作為代表，具有區域建議網絡結構，先預測一些可能存在目標的候選框，該類算法檢測準確率更具優勢。

深度學習算法目標檢測中，特征信息的提取及利用決定了算法的檢測效果。……