Enhancing, Refining, and Fusing: Towards Robust Multi-Scale and Dense Ship Detection

要約

合成開口レーダー (SAR) イメージングは​​、その高解像度、全天候機能、昼夜の操作性で知られており、海洋用途には不可欠です。
しかし、SAR 画像での船舶検出は、複雑な背景、密集して配置されたターゲット、大規模な変動などの重大な課題に直面しています。
これらの問題に対処するために、私たちは、堅牢なマルチスケールで高密度の船舶検出のために設計された新しいフレームワークである Center-Aware SAR Ship Detector (CASS-Det) を提案します。
CASS-Det は 3 つの主要なイノベーションを統合しています。(1) 回転畳み込みを使用して船の中心を強調し、背景干渉を抑制しながら位置特定を改善する中心強調モジュール (CEM)。
(2) クロスレイヤーの依存関係を活用して、人口が密集したシーンでの船舶の境界を調整する近隣アテンション モジュール (NAM)。
(3) 浅い特徴と深い特徴を統合することでマルチスケールの特徴融合を強化する相互接続特徴ピラミッド ネットワーク (CC-FPN)。
SSDD、HRSID、および LS-SSDD-v1.0 データセットに関する広範な実験により、マルチスケールで高密度に配置された船舶の検出に優れた CASS-Det の最先端のパフォーマンスが実証されました。

要約(オリジナル)

Synthetic aperture radar (SAR) imaging, celebrated for its high resolution, all-weather capability, and day-night operability, is indispensable for maritime applications. However, ship detection in SAR imagery faces significant challenges, including complex backgrounds, densely arranged targets, and large scale variations. To address these issues, we propose a novel framework, Center-Aware SAR Ship Detector (CASS-Det), designed for robust multi-scale and densely packed ship detection. CASS-Det integrates three key innovations: (1) a center enhancement module (CEM) that employs rotational convolution to emphasize ship centers, improving localization while suppressing background interference; (2) a neighbor attention module (NAM) that leverages cross-layer dependencies to refine ship boundaries in densely populated scenes; and (3) a cross-connected feature pyramid network (CC-FPN) that enhances multi-scale feature fusion by integrating shallow and deep features. Extensive experiments on the SSDD, HRSID, and LS-SSDD-v1.0 datasets demonstrate the state-of-the-art performance of CASS-Det, excelling at detecting multi-scale and densely arranged ships.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google