用于SAR图像舰船目标检测的MAF?Net和CS损失

深度学习算法以其端到端训练和高准确率等优势被广泛应用于合成孔径雷达图像舰船检测领域。然而，SAR图像中舰船目标尺寸跨度较大，且易受到复杂背景和噪声的干扰，从而影响识别精度。为了进一步提高网络的检测精度，本文提出了一个多尺度注意力融合网络。该网络主要包含一个多尺度特征注意力融合模块，该模块使用骨干网络输出的特征图，融合多尺度的信息，在空间和通道维度对FPN输出的特征图进行增强，用于抑制噪声和背景对舰船目标的影响，提升网络的特征提取能力。此外，本文还提出了余弦相似损失，通过计算目标与非目标区域的余弦相似度，使网络更准确地区分船舶目标与背景，以进一步提高准确率。大量的实验表明，在SSDD和SAR?Ship?Dataset数据集上，本文所提的方法与现有的几种算法相比具有更高的检测精度。