为解决航天遥感图像分辨率和目标尺度变化大的挑战,提出了一种基于多分辨率图像的目标检测算法。改进了自适应特征金字塔和轻量级的分类预测模块,通过使用注意力机制,从不同层次的特征图中提取语义信息。引入了一种预测目标尺度的方法,...为解决航天遥感图像分辨率和目标尺度变化大的挑战,提出了一种基于多分辨率图像的目标检测算法。改进了自适应特征金字塔和轻量级的分类预测模块,通过使用注意力机制,从不同层次的特征图中提取语义信息。引入了一种预测目标尺度的方法,以分析图像中目标的分布和尺度信息。将算法在DOTA(Dataset for Object deTection in Aerial Images)数据集上进行了实验验证,在U-Net(一种基于卷积神经网络的语义分割算法)和ResNet-34(一种深度残差网络)两种不同的主干网络设置下,召回率和检测速度均超过了RPN(Region Proposal Network,区域提议网络)算法。提出的多分辨率图像目标检测算法能有效地提高检测精度,降低计算复杂度。展开更多
文摘为解决航天遥感图像分辨率和目标尺度变化大的挑战,提出了一种基于多分辨率图像的目标检测算法。改进了自适应特征金字塔和轻量级的分类预测模块,通过使用注意力机制,从不同层次的特征图中提取语义信息。引入了一种预测目标尺度的方法,以分析图像中目标的分布和尺度信息。将算法在DOTA(Dataset for Object deTection in Aerial Images)数据集上进行了实验验证,在U-Net(一种基于卷积神经网络的语义分割算法)和ResNet-34(一种深度残差网络)两种不同的主干网络设置下,召回率和检测速度均超过了RPN(Region Proposal Network,区域提议网络)算法。提出的多分辨率图像目标检测算法能有效地提高检测精度,降低计算复杂度。
