10.19665/j.issn1001-2400.2022.05.014
利用非局部上下文信息的遥感图像小目标检测
近年来,基于深度学习的目标检测方法取得了令人瞩目的成果,并被成功应用到遥感领域.但是由于遥感图像覆盖面广,而小目标的有效信息少且定位困难,想要精确地检测出小目标并不容易.针对这一问题,利用图像中的非局部特征以及上下文信息来提高小目标检测的质量.首先采用改善特征金字塔网络和跨层注意力网络的组合结构作为主干网络,改善特征金字塔网络用于提取小目标丰富的特征信息,跨层注意力网络用来提取非局部信息并均衡分配给各层;其次使用上下文转移模块,将包含了非局部特征的上下文信息传递给对应的感兴趣区域;最后采取级联网络作为检测网络,改善小目标定位框质量.在Small-DOTA、DIOR和OHD-SJTU-S遥感图像数据集上进行了实验.实验结果表明,所提方法在3个数据集的平均精度均值都达到了最高;在DIOR数据集中包含小目标比较多的船、车辆和风车3个类别上,该算法的平均精度也是最高.这说明与现有方法相比,所提方法能进一步改善遥感图像小目标检测性能.
遥感、目标检测、图像处理、非局部信息、上下文
49
TP75(遥感技术)
国家自然科学基金;国家自然科学基金;陕西省重点研发计划
2022-11-24(万方平台首次上网日期,不代表论文的发表时间)
共8页
117-124