基于掩模注意型交互的SAR舰船实例分割

现有合成孔径雷达(synthetic aperture radar, SAR)舰船实例分割方法未实现掩模交互或交互性能有限，导致检测精度较低。针对上述问题，提出了一种基于掩模注意型交互(mask attention interaction, MAI)的SAR舰船实例分割方法MAI-Net。首先，MAI-Net使用了膨胀空间金字塔池化，来获取多分辨率特征响应，增强了对背景的鉴别能力。其次，MAI-Net使用了非局部注意力模块来抑制低价值信息，实现了空间特征自注意。最后，MAI-Net提出了拼接混洗注意力模块来平衡不同特征图的贡献，进一步提高了实例分割精度。在公开的像素级多边形分割SAR舰船检测数据集(polygon segmentation SAR ship detection dataset, PSeg-SSDD)上的实验结果表明，MAI-Net的SAR舰船实例分割精度高于现有其他11种对比模型，实例分割精度达到61.1%,高于次优模型1.5%。