Reconocimiento de Objetos para Imágenes de SAR de Onda Milimétrica Basado en una Red de Fusión Multiescala de Doble Rama

Existen varios desafíos importantes en la detección e identificación de contrabando en imágenes de radar de apertura sintética (SAR) de onda milimétrica: las complejidades de los tamaños de los pequeños objetivos, los objetivos parcialmente ocultos y la superposición entre múltiples objetivos no son propicios para la identificación precisa de contrabando. Para resolver estos problemas, se propone un método de detección de contrabando basado en la red de fusión multiescala de doble rama (DBMFnet). En la etapa de extracción de características, la red de extracción de características está diseñada con una estructura de salida paralela de doble rama. Una rama conserva alta resolución, mientras que la otra rama extrae rica información semántica a través de múltiples operaciones de submuestreo. Se establecen conexiones bilaterales entre las ramas de alta y baja resolución para facilitar el intercambio repetido de características, lo que mejora la capacidad de detectar objetivos pequeños y difusos. En la etapa de fusión de características, se han ideado un módulo de fusión multiescala (MSFM) y un módulo de extracción de agregación de contexto (CAEM); se utiliza MSFM para mejorar la percepción de los bordes del objetivo y se emplea CAEM para extraer información contextual de los mapas de características de baja resolución para mejorar el rendimiento de segmentación del modelo, mientras se reduce la complejidad computacional. Los resultados experimentales muestran que el método de segmentación semántica propuesto supera a los métodos de segmentación semántica existentes en la intersección media sobre la unión (mIoU).