ارائه روش بهبود شناسایی کشتی در تصاویر sar با استفاده از شبکه عصبی عمیق مبتنی بر باکس‌های مرزی چرخشی و الگوریتم توجه ادغام شده

روش های یادگیری عمیق به طور گسترده برای تشخیص اشیاء در تصاویر رادار دیافراگرام مصنوعی (sar) به کار گرفته می‌شود. با این حال، چالش‌های مداوم در تشخیص کشتی sar به دلیل عواملی مانند سطوح نویز بالا، اهداف متعدد و تغییرات مقیاس وجود دارد. استفاده از شبکه های عصبی عمیق اغلب به جعبه های افقی متکی است که جهت گیری کشتی و نسبت ابعاد را به دقت ثبت نمی‌کند و باعث ایجاد اخلاف در ابعاد اندازه‌گیری شده کشتی و واقعیت می‌شود. در این مقاله، یک رویکرد جدید به نام ، msfa-yolov8m-obb برای تصاویر sar پیشنهاد میکنیم.در این روش از ماژول c2fse در شبکه پایه yolov8m-obb جهت بهبود استخراج ویژگی با استفاده از مکانیزم توجه به ستون فقرات و از سه فیلتر ترکیبی در پیش پرادازش تصاویر sar جهت حذف نویز های تصویر و افزایش دقت استفاده شده است. ما با استفاده از این مکانیزم توانستیم به دقت 96.5 درصد و صحت عملکرد 94.1 درصد و دقت میانگین map@50 معادل 95.4 درصد دست یابیم.