DenoDet: 注意力を用いた変形多部分空間特徴ノイズ除去によるSAR画像における目標検出

合成開口レーダー（SAR）目標検出は、固有の斑点ノイズと微小で曖昧な目標の多さにより長年阻害されてきました。深層ニューラルネットワークがSAR目標検出を進歩させた一方で、それらの低周波数バイアスと訓練後の静的な重みが、一貫性のあるノイズの処理や異種地形における微妙な詳細の保存において問題を抱えています。伝統的なSAR画像除燥に触発され、我々は明示的な周波数領域変換によって畳み込みバイアスを補正し、高周波数により注目するネットワークであるDenoDetを提案します。これにより、多スケール部分空間表現が自然に形成され、多部分空間除燥の観点から目標を検出することが可能になります。我々はまた、動的な周波数領域注意モジュールTransDenoを設計しました。これは変換領域ソフト閾値操作として機能し、重要な目標信号を保存しながらノイズを減衰することで、部分空間間で動的に除燥を行います。部分空間処理の粒度を適応的に調整するために、入力特徴量に基づいてグループを動的に変える可変グループ全結合層（DeGroFC）も提案しています。特別な装飾なしに、プラグアンドプレイ可能なTransDenoは複数のSAR目標検出データセットで最先端のスコアを達成しています。コードはhttps://github.com/GrokCV/GrokSAR で公開されています。