基于特征解耦的SAR图像舰船检测蒸馏

来源：计算机工程与应用杂志2024年第2期北京时间：

作者：罗杨, 卞春江, 陈红珍

单位：1.中国科学院 国家空间科学中心 复杂航天系统综合电子与信息技术重点实验室，北京 100190；2.中国科学院大学 计算机科学与技术学院，北京 100049

摘要：目前，基于深度学习的合成孔径雷达（SAR）舰船目标检测方法受到广泛关注。但因为模型参数量大、运算内存高等问题限制了其实际应用。通过学生网络模仿教师网络，知识蒸馏被视作一种高效的模型压缩方法。然而，大部分的知识蒸馏算法只针对常见的可见光图像任务，将其直接应用到复杂的SAR图像舰船目标检测上性能表现不佳。通过分析，出现上述性能不佳现象有以下两个原因：（1）前景背景面积严重失衡；（2）缺乏对前景和背景像素的关系建模。针对上述问题，提出基于解耦特征的拓扑距离知识蒸馏算法。前景和背景解耦蒸馏可以缓解前景背景失衡问题。通过解耦特征拓扑距离蒸馏，学生网络可以从教师网络学习到前景背景之间的关系，增强对背景噪声鲁棒性。实验结果表明，相比许多蒸馏算法，所提出的算法可以十分有效地提升学生网络在SAR图像舰船目标检测精度。比如，基于ResNet18-C4骨干网络的Faster R-CNN模型在HRSID数据集上AP提升6.85个百分点，从31.81%提升到38.66%。

关键词：合成孔径雷达（SAR）图像舰船检测,知识蒸馏,特征解耦