DenoDet: SAR 이미지에서 대상 검출을 위한 변형 가능한 다중 부분 공간 특성 제노이징의 주의력

합성 개구 레이더(Synthetic Aperture Radar, SAR) 목표물 탐지는 고유의 잡음(speckle noise)과 작은, 모호한 목표물의 존재로 인해 오랫동안 제약을 받아 왔습니다. 딥 신경망은 SAR 목표물 탐지 기술을 발전시켰지만, 그들의 내재된 저주파 편향과 정적인 후 학습 가중치는 일관된 잡음(coherent noise) 처리와 이질적 지형에서 미세한 세부 정보를 유지하는 데 어려움을 겪고 있습니다. 전통적인 SAR 이미지 잡음 제거 기법에서 영감을 얻어, 우리는 명시적인 주파수 영역 변환으로 합성곱 편향을 교정하고 고주파에 더 많은 주목을 기울이는 DenoDet 네트워크를 제안합니다. 이를 통해 자연스러운 다중 척도 부분 공간 표현(multi-scale subspace representation)을 형성하여 다중 부분 공간 잡음 제거(multi-subspace denoising) 관점에서 목표물을 탐지할 수 있습니다.우리는 또한 동적 주파수 영역 주의 모듈인 TransDeno를 설계하였습니다. 이 모듈은 변환 영역 소프트 임계값 조작(transform domain soft thresholding operation)을 수행하여, 중요한 목표 신호를 유지하면서 잡음을 감소시키며 부분 공간 간에 동적으로 잡음을 제거합니다. 부분 공간 처리의 세밀도(granularity)를 적응적으로 조정하기 위해, 입력 특징에 따라 그룹을 동적으로 변화시키는 변형 가능한 그룹 완전 연결 계층(Deformable Group Fully-Connected Layer, DeGroFC)도 제안되었습니다. 화려한 장식 없이 우리의 플러그 앤 플레이(plug-and-play) 방식의 TransDeno는 여러 SAR 목표물 탐지 데이터셋에서 최고 성능 점수를 달성하였습니다. 코드는 https://github.com/GrokCV/GrokSAR에서 제공됩니다.