BiFA-YOLO: Eine neuartige auf YOLO basierende Methode zur detektion von willkürlich orientierten Schiffen in hochauflösenden SAR-Bildern

Aufgrund ihres hohen Anwendungswerts im militärischen und zivilen Bereich hat die Schiffsdetektion in synthetischen Aperturradar (SAR)-Bildern immer viel Aufmerksamkeit auf sich gezogen. Allerdings zeigen Schiffsziele in hochauflösenden (HR) SAR-Bildern signifikante Merkmale wie Mehrskala, willkürliche Richtungen und dichte Anordnung, was enorme Herausforderungen beim schnellen und genauen Erkennen von Schiffen mit sich bringt. Um diese Probleme anzugehen, wird in diesem Artikel ein neuartiger auf YOLO basierender willkürlich orientierter SAR-Schiffdetektor mit bidirektionaler Merkmalsfusion und Winkelklassifikation (BiFA-YOLO) vorgeschlagen. Zunächst wird ein neuartiges Modul zur bidirektionalen Merkmalsfusion (Bi-DFFM), das auf die SAR-Schiffsdetektion zugeschnitten ist, im YOLO-Rahmen angewendet. Dieses Modul kann effizient Mehrskalamerkmale durch bidirektionale (top-down und bottom-up) Informationsinteraktion aggregieren, was hilfreich ist, um Mehrskala-Schiffe zu erkennen. Außerdem haben wir eine Winkelklassifizierungsstruktur für das Kopfnetz hinzugefügt, um willkürlich orientierte und dicht angeordnete Schiffe in HR SAR-Bildern effektiv zu detektieren. Diese Struktur erleichtert es, die Winkelinformationen der Schiffe genau zu erfassen, ohne dass es Probleme mit Grenzunterbrechungen und komplizierter Parameterregression gibt. Gleichzeitig wird in BiFA-YOLO eine zufällige Rotationsmosaik-Datenaugmentierungsmethode eingesetzt, um den Einfluss von Winkelungleichgewicht zu verringern. Im Vergleich zu anderen herkömmlichen Methoden zur Datenaugmentierung kann die vorgeschlagene Methode die Erkennungsleistung willkürlich orientierter Schiffe besser steigern. Schließlich führen wir umfangreiche Experimente mit dem SAR-Schiffsdetektionsdatensatz (SSDD) und großen HR SAR-Bildern des GF-3 Satelliten durch, um unsere Methode zu verifizieren. Die vorgeschlagene Methode erreicht eine Erkennungsleistung mit Präzision = 94,85%, Rückruf = 93,97%, durchschnittliche Präzision = 93,90% und F1-Score = 0,9441 auf SSDD. Die Erkennungsgeschwindigkeit unserer Methode beträgt etwa 13,3 ms pro 512 × 512 Bild. Darüber hinaus zeigen Vergleichsexperimente mit anderen auf Deep Learning basierenden Methoden und Verifizierungsexperimente mit großen HR SAR-Bildern, dass unsere Methode eine starke Robustheit und Anpassungsfähigkeit aufweist.