ارائه روش بهبود شناسایی کشتی در تصاویر SAR با استفاده از شبکه عصبی عمیق مبتنی بر باکس های مرزی چرخشی و الگوریتم توجه ادغام شده

روش های یادگیری عمیق به طور گسترده برای تشخیص اشیاء در تصاویر رادار دیافراگرام مصنوعی (SAR) به کار گرفته میشود. با این حال، چالشهای مداوم در تشخیص کشتی SAR به دلیل عواملی مانند سطوح نویز باال، اهداف متعدد و تغییرات مقیاس وجود دارد استفاده از شبکه های عصبی عمیق اغلب به جعبه های افقی متکی است که جهت گیری کشتی و نسبت ابعاد را به دقت ثبت نمیکند و باعث ایجاد اخالف در ابعاد اندازهگیری شده کشتی و واقعیت میشود. در این مقاله، یک رویکرد جدید به نام MSFA-YOLOv۸m-OBB برای تصاویر SAR پیشنهاد میکنیم. در این روش از ماژول C۲fSE در شبکه پایه YOLOv۸m-OBB جهت بهبود استخراج ویژگی با استفاده از مکانیزم توجه به ستون فقرات و از سه فیلتر ترکیبی در پیش پرادازش تصاویر SAR جهت حذف نویز های تصویر و افزایش دقت استفاده شده است. ما با استفاده از این مکانیزم توانستیم به دقت ۹۶.۵ درصد و صحت عملکرد ۹۴.۱ درصد و دقت میانگین mAP@۵۰ معادل ۹۵.۴ درصد دست یا بیم.

Keywords:

باکس چرخشی , شناسایی کشتی , شبکه عصبی , یادگیری ماشین