近日，成像探测与智能感知（IDIP）实验室在遥感图像舰船目标细粒度识别领域取得重要研究进展，在IEEE Transactions on Geoscience and Remote Sensing（SCI-1区, IF=5.600,TOP期刊）发表了题为“Fine-Grained Recognition for Oriented Ship Against Complex Scenes in Optical Remote Sensing Images”的学术论文。2020级硕士生韩雅琪为该论文第一作者，彭真明教授和蒲恬博士为论文的共同通讯作者，电子科技大学信息与通信工程学院为唯一作者单位。

         复杂背景下的遥感图像舰船目标细粒度识别在国防建设、渔业管理、航行监管、海上救援等军事和民用中有重要理论意义和实际应用价值。由于细粒度遥感舰船数据集的匮乏，现有识别算法大多仅对舰船目标进行检测而不进行分类或仅粗略分类为军事用船和民事用船，不能满足对舰船目标进行细粒度识别的应用需求。此外，遥感图像的低质性，背景的复杂性，以及舰船目标的角度任意、分布密集、尺度差异大、长宽比极端等难点，给现有识别算法带来了挑战。

        为此，作者建立了包含20类舰船的Dataset for Oriented Ship Recognition （DOSR）数据集，并针对细粒度遥感舰船识别的难点构建了基于密集双向特征融合和双掩模注意力机制的高效信息重利用网络 （Efficient Information Reuse Network, EIRNet）（如图1）。DOSR数据集共包含1066张图像和6127个舰船实例，包含目标密集、小目标、杂波干扰严重、目标尺度差异大等多种复杂场景。在EIRNet中，针对目标小和目标尺度差异大的难点，作者设计了密集特征融合网络以自顶向下和自底向上最大化利用各特征层信息；针对背景复杂和分布密集的难点，作者建立了双掩模注意力模块以突出目标和背景的信息差异的，同时还可以加强目标和目标之间的差异。

图1  EIRNet结构

       此外，作者还加入了Mask-RPN、上级标签分类分支等设计并重新构建了新的旋转框回归损失函数以进一步增强网络性能。该算法在实验中具有良好的识别效果（如图2）,与其他先进识别算法相比达到了最好的识别准确率。

图2 任意方向舰船识别结果

​       该研究填补了细粒度遥感舰船识别数据集的缺失，提升了复杂场景下的舰船识别准确率和鲁棒性，网络中提出了各个网络部件也可灵活嵌入其他卷积神经网络。

       论文链接：doi: 10.1109/TGRS.2021.3123666.