SAR目标检测

Multi-Stage with Filter Augmentation 多阶段滤波器增强(MSFA)

对SAR合成孔径雷达目标检测性能的改善

MSFA ON SAR

传统方法:
预训练:传统方法开始于在通用数据集上预训练一个基础模型。 微调:这个预训练的模型会被微调以适应特定的SAR图像，试图缩小域间的差距

MSFA方法: 第一阶段:对数据集进行预训练，通过滤波器增强技术增强模型对SAR图像的处理能力。 第二阶段:模型在专门的SAR数据集上进行训练。然后再微调。

利用大规模光学遥感数据集DRS作为域传输的检测预训练。该数据集由光学模态影像组成，这 些影像在下游 SAR 数据集中也具有相似的对象形状、比例和类别。这一特性是Imagenet中自然图像的光学分布与SAR遥感图像中的目标分布之间的宝贵桥梁。通过利用这种第二阶段预训练， 可以有效地最小化域间隙

采用MSFA(多阶段滤波器增强)和INP(传统的ImageNet 这个模型在处理不同类型的目标时显示出了较好的性能，特

预训练)策略后的mAP(平均精度均值) MSFA策略在几乎所有模型上都表现出更好的性能，这表 明多阶段滤波器增强方法有助于提高模型在处理SAR图像 时的准确度

super Yolo

多模态遥感图像中的超分辅助。

抽取high和low feature。