樊海玮，史 双，蔺 琪，孙 欢，秦佳杰

(长安大学 信息工程学院，陕西 西安 710064)

0 引 言

SAR图像船舶目标检测过程中通常存在港口以及近海岸等复杂背景下的船舶目标检测情况，由于船舶紧邻港口受岸上建筑的干扰较为严重，因而容易造成漏检误检的状况。为避免复杂背景下陆地区域对SAR图像船舶目标检测的影响，文中提出将注意力机制思想引入目标检测算法中。目前所研究的基于卷积神经网络的复杂背景SAR图像船舶目标检测算法多以牺牲检测速度为代价提升目标检测精度，故而存在检测模型大、网络参数多的问题，对于实时性要求较高的应用场景如海难救援、紧急军事部署等都具有一定的局限性。

注意力机制在深度学习领域的应用从本质上与人类的视觉选择性机制类似，是从众多信息中选择出对当前任务最重要的信息。Xu K等人在2015年根据注意力机制关注区域选择的不同，将注意力机制分为软注意力和硬注意力[1]。其中软注意力机制在注意力分配时，对于输入的每一个区域给出一个[0,1]范围之间的概率值，然后对其进行加权，对于特征图的每个区域都给予关注，只是每个区域的权重会因关注程度的不同而变化，因此其具有参数化，可微化性能。近年来，不断有学者提出将软注意力机制应用于卷积神经网络端到端的模型训练[2-3]。

1 算法思想

卷积神经网络的快速发展使SAR船舶目标检测技术不断提升，目前已有学者将深度卷积神经网络应用到SAR船舶目标检测问题上，深度卷积神经网络强大的特征提取能力使得在SAR船舶目标检测领域取得了较好的检测结果[4-6]。……