Для задачи обнаружения целей на изображениях синтетической апертурной радиолокации (SAR) в сложных условиях в данной работе с точки зрения улучшения восприятия сети и способности захвата целей, и вдохновившись традиционными методами обнаружения целей SAR, на основе базовой сети безякорного одноступенчатого полностью сверточного детектора FCOS (Fully Convolutional One-Stage Object Detection) предложена безякорная сеть обнаружения целей SAR Tri-GCA-FCOS (Triple Gradient-CFAR-Attention FCOS) на основе контролируемого механизма внимания, объединяющая градиентные края изображений SAR и сильные эффекты рассеяния. Во-первых, с учетом особенностей изображений SAR и недостатков базовой сети был разработан ветвь внимания (Attention) под контролем истинных меток, чтобы лучше адаптировать сеть к задачам обнаружения целей на SAR; затем, используя структуру многопоточной сети и модуль триканального интерактивного пространственно-канального внимания T-ICSAF (Tri-channel Interactive Channel-Spatial Attention Fusion), полноценно использовались градиентные края и сильные рассеяния SAR для улучшения представления признаков целей; наконец, с учетом проблемы дополнительных фоновых помех, вызванных специфическими признаками SAR, предложен модуль CSSCAM (Combining Supervised-Spatial And SE Channel Attention Mechanism) на основе контролируемого истинными метками пространственного и SE (Squeeze-and-Excitation) внимания, который усиливает признаки целей и эффективно подавляет фоновые помехи для задач предсказания сети. Предложенная сетевая архитектура реализует сквозное совместное обучение и с помощью экспериментов на реальных данных MiniSAR (Miniature Synthetic Aperture Radar) полноценно доказала эффективность метода и превосходные характеристики обнаружения целей в сложных условиях.

Синтетическая апертура радара; Обнаружение целей; Одноступенчатый полностью сверточный детектор; Изображение амплитудного градиента; Обнаружение постоянного ложного сигнала