自适应融合多尺度特征的无锚框遥感图像目标检测算法

作     者：王坤 文武 铁菊红 吴锡 符颖 Wang Kun;Wen Wu;Tie Juhong;Wu Xi;Fu Ying

作者机构：成都信息工程大学计算机学院成都610225 四川大学计算机学院成都610065 

出 版 物：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期：2023年第35卷第9期

页      面：1405-1416页

核心收录：

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：四川省自然科学基金(2022NSFSC0907) 四川省重点研发项目(2022YFG0042,2023YFG0025) 四川省科技厅“新一代人工智能平台”重大专项(2019DZX0005) 

主　　题：遥感图像 目标检测 无锚框 特征融合 注意力机制 空洞卷积 

摘      要：针对遥感图像内容丰富且复杂,具有目标种类多、密集分布和尺寸变化剧烈等特点,导致遥感图像中目标多尺度尤其是小目标难以检测的问题,提出一种基于自适应多尺度特征融合(AMFF)和注意力特征增强(AFE)的无锚框遥感图像目标检测算法.首先将主干网络提取的图像特征输入AMFF,自适应地融合多个尺度的特征,增加特征复用,提升网络的多尺度特征表达能力;然后将AMFF输出的特征输入到加入了AFE模块的检测头中,AFE通过结合多分支空洞卷积与注意力机制,在提高网络对目标尺度的泛化能力的同时增强有效特征信息;最后进行分类和回归,得到检测结果.在DIOR和NWPU VHR-10公开数据集上,与多种主流目标检测算法的实验结果表明,所提算法在2个数据集上的平均检测精度分别为72.4%和87.4%,较基线网络分别提升9.4和13.5个百分点,比次优结果分别提升6.3和1.7个百分点;平均检测精度高于主流目标检测算法,较基线网络的平均检测精度显著提高,能够更加准确地检测小尺度目标,同时有效地提升多尺度目标的检测精度.