基于二分匹配Transformer的SAR图像检测

来源：信号处理杂志 2024年第9期北京时间：

作者：龙伟军, 郭宇轩, 徐艺卓, 杜川

摘要：合成孔径雷达（Synthetic Aperture Radar，SAR）拥有全天候、全天时的成像能力，对SAR图像的目标检测具有重大军事和民用意义。在SAR图像目标检测中，由于成像时的复杂背景和非检测目标的干扰，存在重复检测的问题。传统的用于SAR图像检测的深度学习网络通过增加特征提取网络、非极大值抑制等处理降低重复检测的概率，当阈值设置不当和待检测目标存在重叠时仍会导致虚警和漏检的发生。为此，本文引入一种基于二分匹配损失的Transformer目标检测模型，与传统的SAR图像检测网络相比，二分匹配通过匈牙利算法将预测框与候选框进行一对一的匹配，从而找出最佳的匹配对，避免同一目标的重复检测。匹配时会自动忽略多余候选框，自动将其归类为背景，该方法不仅消除了重复检测导致的虚警问题，还省略了非极大值抑制的操作。同时，匹配结果可以直接作用于模型的输出，实现端到端的检测优化，将目标检测任务转化为集合预测问题，通过一组固定的可学习位置编码，有效地建立目标与图像特征之间的关联，无需依赖先验知识或预处理步骤，相较传统方法极大的简化了训练和部署流程。为了评估模型的有效性和可靠性，本文与当前热门目标检测模型在SAR-AIRcraft-1.0数据集上进行了对比，在保证较高召回率的情况下实现了不错的检测准确性，展示了模型的优越性能。

关键词：‍‍SAR飞机检测, 二分匹配, 深度学习, 检测识别一体化