近日，我院电子信息研究生在遥感领域顶级期刊IEEE Transactions on Geoscience and Remote Sensing（JCRQ1，中科院SCI二区Top期刊，IF=8.125）发表研究成果“Land-Sea Target Detection and Recognition in SAR Image Based on Non-Local Channel Attention Network”，硕士研究生王志旭为第一作者，文章通讯作者为辛志慧博士，云南师范大学为第一完成单位。

针对卷积神经网络（CNN）的SAR图像检测与识别方法存在目标特征信息提取不足、复杂背景干扰导致虚假目标、检测性能低等问题，该论文提出了一种基于GoogLeNet结构的非局部通道注意网络（NLCANet）SAR图像目标识别方法。文章利用APNB捕获更多上下文信息并增强像素和区域之间的相关性，同时将SEB融于Inception结构中，成为Inception-SEB（ISEB），通过它可以获得基于不同尺度特征融合的通道依赖性。基于移动和静止目标捕获与识别（MSTAR）数据集和SAR船舶检测数据集（SSDD）的实验结果表明，该方法提高了复杂背景下目标的检测能力，实现了良好的陆海目标检测识别性能。

图SAR图像的检测和识别结果.(a)原始图像,(b)目标标签位置,(c) SSD, (d) YOLOv3, (e) Faster-RCNN, (f) YOLOv4, (g) GoogLeNet, (h) FCOS, (i) DETR,(j)本文方法.

该工作得到了国家自然科学基金（61801419，62171272）和云南省自然科学基金（202201AT070027）的资助。