基于属性引导的多源遥感舰船目标可解释融合关联网络

多源遥感舰船目标关联作为前期大范围预警探测的重要手段为海上态势研判提供重要情报支撑，现有关联算法面临关联结果可解释性差，异构特征难度量，多源目标关联精度低等问题。提出了一种基于属性引导的可解释融合网络用于解决多源遥感舰船目标的关联问题。首先，提出全局关联模块，利用跨模态度量损失函数将图像特征映射到共同空间中度量，用于解决多源图像内容差异大，特征难对齐问题。然后，提出包含多头注意力模型和属性监督函数的可解释模块，提升关联精度并输出可解释的关联结果。其中多头注意力模型让网络关注到舰船目标显著性区域，属性监督函数引导模型关注舰船图像中判别性属性特征，利用属性特征帮助网络解释输出关联结果的决策依据，并以量化的形式可视化属性特征对关联结果的贡献度。最后，利用知识蒸馏的思想减小全局关联模块和可解释模块输出特征距离的差异，使得网络实现精准关联并提供可解释的关联结果。在实验部分，构建了首个多源遥感舰船目标数据集，在该数据集上的测试结果显示本文算法不仅在关联精度上优于现有算法，同时能够为关联过程提供清晰和直观的可视化关联结果。