题名 改进RRPN模型的遥感图像目标检测
1
作者
鲁晓波 郭艳光 辛春花
机构
内蒙古农业大学计算机技术与信息管理系
出处
《现代电子技术》
北大核心
2025年第1期8-16,共9页
基金
国家自然科学基金项目(31960361)。
文摘
针对遥感目标背景复杂、易受外界环境干扰,传统方法无法满足复杂场景下的检测高精度与实时性要求的问题,提出基于改进RRPN模型的遥感图像目标检测方法。首先,将特征金字塔(FPN)架构引入到了模型的残差网络中,使得遥感图像的高、低层特征得到了有效融合;其次,在特征提取网络中添加了通道和空间相融合的注意力机制(CBAM),提升了模型在遥感图像目标特征提取方面的跨通道和空间处理能力;此外,将剔除重叠建议框时的原始NMS算法优化为DIoUNMS算法,综合考虑遥感图像候选框之间的重叠度、距离、尺度大小等因素,使目标框的回归过程更加稳定。对比实验与消融实验显示,所提方法在公共数据集DOTA和HRSC2016上获得的平均精度均值mAP分别可高达77.30%、90.24%,较原始RRPN模型分别提高了8.29%、11.16%,且优于其他几种较新的经典模型,表明所提方法对于复杂环境下的遥感图像目标检测是合理且有效的。
关键词
目标检测 遥感图像 带旋转的候选框算法 卷积通道注意力模块 DIoU-NMS 特征金字塔 DOTA hrsc2016 数据集
Keywords
object detection remote sensing image RRPN CBAM DIoU-NMS FPN DOTA hrsc2016 dataset
分类号
TN911.73-34
[电子电信—通信与信息系统]
TP391.4
[自动化与计算机技术—计算机应用技术]
题名 基于多尺度高斯上下文特征激励的舰船目标检测方法
2
作者
张嘉丹 朱坤 张振超 龚志辉 郭海涛 戴晨光
机构
信息工程大学 智能空间信息国家级重点实验室
出处
《地球信息科学学报》
北大核心
2025年第10期2498-2509,共12页
基金
国家自然科学基金项目(42301464) 河南省自然科学基金项目(252300420301) +1 种基金 智慧地球重点实验室开放基金(KF2023YB02-09) 嵩山实验室资助项目(221100211000-04)。
文摘
【目的】针对高分辨率遥感影像幅宽大、背景复杂,舰船目标细节特征丰富以及易受相似目标干扰等特点,本文提出一种基于多尺度高斯上下文特征激励的舰船目标检测方法。【方法】首先,设计了联合空间和通道注意力机制的高斯上下文转换模块(Spatial and Channel-Gaussian Context Transformer,SC-GCT),实现了前景目标的可辨识性表达,有效缓解了背景噪声以及相似性目标干扰等问题。其次,引入了多尺度特征自适应加权融合方法(Multi-scale Feature Adaptive Fusion,MFAF),构建信息表达更充分的特征图,实现了目标语义与空间位置的精确表征。【结果】本文在HRSC2016数据集上进行了对比实验,结果表明,本文算法的检测精度mAP值达到了96.8%,相较于基线模型YOLOv8提升了1.3%,且检测精度和效率均优于现有主流舰船目标检测算法;在基础网络中添加SC-GCT以及MFAF模块后,mAP值分别提升了0.7%和1.1%,验证了本文算法中各模块的有效性。为进一步验证本文算法的实际应用价值,选取横须贺港、旅顺港、梅波特港等不同真实港口场景下的遥感影像测试,结果表明算法在复杂真实环境中仍能保持稳定性能。【结论】本文算法有效提升了舰船目标检测精度,在复杂背景舰船检测任务中具有良好的实用性与泛化性。
关键词
遥感影像 舰船目标检测 注意力机制 高斯上下文 多尺度特征 YOLOv8 hrsc2016
Keywords
remote sensing images ship detection attention mechanism Gaussian context multi-scale feature YOLOv8 hrsc2016
分类号
U675.79
[交通运输工程—船舶及航道工程]
TP751
[自动化与计算机技术—检测技术与自动化装置]
E91
[军事]
题名 结合边缘增强与混合注意力的遥感图像检测
3
作者
王春丽
机构
长江大学计算机科学学院
出处
《电脑知识与技术》
2024年第19期23-26,29,共5页
文摘
为了改善遥感图像中目标边缘特征模糊以及细粒度目标之间特征相似导致检测精度不高的问题,提出了一种结合边缘增强和混合注意力机制的遥感图像检测方法。针对目标边缘特征模糊问题,通过反锐化掩膜(Unsharp Masking,USM)方法对遥感图像进行增强处理,帮助模型捕获更多边缘特征。针对细粒度目标之间特征相似问题,在特征提取阶段引入空间和通道挤压与激励(Spatial and Channel Squeeze&Excitation,scSE)混合注意力机制,增强目标的辨识特征。在公开的遥感图像数据集HRSC2016上的实验结果表明,所提方法的检测精度达到85.15%,提高了舰船细粒度目标的检测准确率。
关键词
遥感图像 hrsc2016 细粒度检测 USM锐化 注意力机制
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
