群体学习：基于合成孔径雷达遥感图像的船舶检测中的感知-检索-定位技术

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：Swarm Learning: Perception-Retrieval-Localization for Ship Detection from Synthetic Aperture Radar Remote Sensing Imagery

　　

摘要：

目前大多数用于合成孔径雷达（SAR）遥感图像中船舶检测的模型都是独立检测每个目标，导致对单个目标的信息感知不足。因此，我们提出群体学习（SL）来解决这一难题。受人类视觉系统（HVS）的启发，SL能够挖掘关于船舶群体的信息，而不仅仅是单个船舶的信息，从而有望提升检测性能。在SL过程中，我们提出了一种新的渐进式学习范式——感知-检索-定位（PRL）。首先，立即识别出船舶存在的区域以减少背景干扰，这被称为直接感知；我们将这些区域定义为大型群体（LS）。然后，根据船舶的分布特征将LS中的船舶划分为多个小区域，以便进一步聚焦，这被称为渐进式检索；这些小区域被称为中型群体（MS）。最后，对LS中每个单独船舶进行精细感知，以实现单个船舶的位置预测，这被称为最终精确定位。我们将单个船舶定义为小型群体（SS），这意味着LS退化为仅包含一个船舶的情况。通过PRL，船舶获得了群体空间状态信息，从而能够从粗略到精细逐步更准确地识别它们，类似于HVS的工作方式。在公共的SSDD和HRSID数据集上的实验结果证明了SL的合理性和PRL的有效性。