1.一種用于城市海岸邊sar圖像船舶檢測的通用多層次融合注意力模型，其特征在于：建立步驟如下，
2.根據(jù)權(quán)利要求1所述一種用于城市海岸邊sar圖像船舶檢測的通用多層次融合注意力模型，其特征在于：所述dfem子模塊以核大小為3×3的卷積提取深層特征，依次執(zhí)行relu函數(shù)和批量歸一化操作，再通過最大池化操作進(jìn)行下采樣，大小為淺層特征圖的一半，使用兩次得到多尺度特征圖。
3.根據(jù)權(quán)利要求1所述一種用于城市海岸邊sar圖像船舶檢測的通用多層次融合注意力模型，其特征在于：所述多層感知機(jī)mlp執(zhí)行卷積操作將特征圖的通道數(shù)改變?yōu)樵瓉淼?/r，r為縮減率，再依次執(zhí)行批量歸一化操作和relu函數(shù)對數(shù)據(jù)進(jìn)行歸一化激活，之后通過卷積層改變原始通道數(shù)，使用sigmoid激活函數(shù)得到通道注意力圖。
4.根據(jù)權(quán)利要求2所述一種用于城市海岸邊sar圖像船舶檢測的通用多層次融合注意力模型，其特征在于：所述cmafm子模塊將多尺度特征圖輸入，壓縮輸入特征圖的空間維度，通過輸入dfem子模塊得到的多尺度特征圖，進(jìn)行平均池化和最大池化，在維度上對每層的特征進(jìn)行壓縮，得到兩個(gè)大小為c×1×1的特征圖；再利用多層感知機(jī)mlp對平均池化和最大池化的結(jié)果進(jìn)行處理，處理公式為，
5.根據(jù)權(quán)利要求2所述一種用于城市海岸邊sar圖像船舶檢測的通用多層次融合注意力模型，其特征在于：所述smafm子模塊通過dfem子模塊提取的三個(gè)不同層次的特征映射并輸入，生成空間注意塊；再沿著每一層特征圖的通道方向分別應(yīng)用最大池化和平均池化生成兩個(gè)大小為1×h×w的特征圖，將每一層的特征圖相加堆疊成一個(gè)大小為2×h×w的特征描述符；將特征描述符在批量歸一化層進(jìn)行歸一化處理，使用通道數(shù)為1的標(biāo)準(zhǔn)卷積層進(jìn)行連接和卷積，調(diào)整通道數(shù)；然后使用sigmoid激活函數(shù)獲得空間注意圖，得到輸入特征圖中每個(gè)特征點(diǎn)的權(quán)重值，該權(quán)重值介于0到1之間；該smafm子模塊的表示公式為，
6.權(quán)利要求1所述的一種用于城市海岸邊sar圖像船舶檢測的通用多層次融合注意力模型，其特征在于：所述現(xiàn)有sar圖像船舶檢測網(wǎng)絡(luò)包括faster-rcnn與retinanet；所述檢測網(wǎng)絡(luò)訓(xùn)練基于pytorch框架，使用隨機(jī)梯度下降方法進(jìn)行訓(xùn)練，訓(xùn)練采用的權(quán)重衰減為0.0005，動(dòng)量為0.9，學(xué)習(xí)率為0.005。