基于Faster R-CNN的轻量化遥感图像军用飞机检测模型

作     者：党玉龙 叶成绪 DANG Yulong;YE Chengxu

作者机构：青海师范大学计算机学院西宁810000 青海师范大学青海省物联网重点实验室西宁810000 藏语智能信息处理及应用国家重点实验室西宁810000 

出 版 物：《激光杂志》 (Laser Journal)

年 卷 期：2024年第45卷第7期

页      面：111-117页

学科分类：11[军事学] 0810[工学-信息与通信工程] 1105[军事学-军队指挥学] 08[工学] 081002[工学-信号与信息处理] 110503[军事学-军事通信学] 

基　　金：青海省物联网重点实验室项目(No.2022-ZJ-Y21) 

主　　题：遥感图像 军用飞机 目标检测 Faster R-CNN 

摘      要：遥感图像军用飞机目标检测对侦察预警和情报分析等领域具有重要意义。针对该任务中图像背景复杂、目标尺度变化大和分布密集等挑战,提出了一种基于Faster R-CNN的轻量化检测模型。该模型使用残差拆分注意力网络来捕获目标区域特征的全局上下文信息以提升模型的表征能力;利用可变形卷积来动态学习目标区域的形变特征,适应不同尺度和形状的目标;采用对比实验的方法精简骨干网络,降低过深的骨干网络与过低的采样率对于小目标检测的影响,提高模型的识别速度。在目标候选框筛选阶段,引入Soft NMS算法,根据置信度降序排名去除重叠度高的候选框,降低密集分布目标的漏检率。实验结果表明,提出的Faster R-CNN模型在参数量为23.844 MB的情况下,mAP0.5-0.95达到了77.1%,检测速度达到了43.7帧/秒,相比于多个主流模型具有较好的综合性能。