基于全局上下文信息的遥感图像小目标检测

Abstract

针对光学遥感图像通常具有背景复杂、尺度多样化、目标普遍较小且方向各异等特点导致的目标检测精度低的问题，提出了一种基于多尺度信息融合的遥感小目标检测方法。首先设计了GCC3模块，该模块显著增强了模型区分目标与背景的能力，有效地提升了特征提取的质量，并显著提高了对小尺度目标的检测精度。为了实现对不同尺度特征信息的有效融合，提升多尺度目标检测的性能，引入了BiFPN（bi-directional feature pyramid network）结构，以替代YOLOv5中原有的PANet结构。此外，为了应对目标方向的不确定性以及缓解角度回归导致的边界不连续性问题，采用了圆形平滑标签方法，以实现对目标区域的精确定位。实验结果表明，所提方法在小目标检测方面具有明显优势，相比改进前的算法，其检测精度提高了4.9%，有效地提升了光学遥感图像检测的准确性。

Topics & Concepts