面向精细化多尺度特征的遥感图像目标检测

作     者：张省 李山山 魏国芳 张新耐 高建威 ZHANG Sheng;LI Shanshan;WEI Guofang;ZHANG Xinnai;GAO Jianwei

作者机构：中国矿业大学环境与测绘学院徐州221116 中国矿业大学人工智能研究院徐州221116 中国科学院空天信息创新研究院北京100094 济南市勘察测绘研究院济南250013 中国空间技术研究院卫星应用总体部北京100094 

基　　金：国家自然科学基金(编号:41901292) 

出 版 物：《遥感学报》 (NATIONAL REMOTE SENSING BULLETIN)

年 卷 期：2022年第26卷第12期

页      码：2616-2628页

摘      要：遥感图像目标检测是对目标视觉特征的描述与图像先验知识的表达,解译得到的信息无论在军事领域还是在民用领域都有着广泛的应用。针对复杂场景下遥感图像目标特征提取能力不足,目标尺度差异较大、方向任意且紧密排列,传统目标检测所使用的水平框难以准确定向等问题,提出了一种精细化多尺度特征的遥感图像定向目标检测算法。首先,设计了一种基于空洞卷积的上下文注意力网络,能够利用不同空洞率的卷积核捕获局部和全局语义信息,并利用注意力机制将语义信息整合到原始特征上,提升目标特征提取能力;其次,提出了一个精细化的特征金字塔网络,通过像素混洗的方式减少特征金字塔中的通道信息损失,强化网络对差异性大的多尺度目标特征信息的理解能力;最后,研究利用滑动顶点的方式回归定向的矩形框,更好地表示遥感图像内有向目标的位置。本文以Fast R-CNN OBB为基准,通过在目标检测公开数据集DOTA和HRSC2016上验证了算法的有效性,结果显示本文算法在DOTA数据集上与基准算法比较,平均精度(mAP)提升了22.65%,最终检测精度mAP达到了76.78%。在HRSC2016数据集上,最终检测精度mAP达到了89.95%。此外,本文算法较多种先进算法相比均有具有较好的提升。

主 题 词：遥感 深度学习 目标检测 特征提取 多尺度特征金字塔 定向回归框 

学科分类：0710[理学-生物科学类] 1101[1101] 070801[070801] 07[理学] 08[工学] 0708[理学-地球物理学类] 0816[工学-纺织类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.11834/jrs.20221801

馆 藏 号：203117875...