基于多层级自注意力增强的遥感目标检测 |
| |
引用本文: | 魏谢根,曹林,田澍,杜康宁,宋沛然,郭亚男.基于多层级自注意力增强的遥感目标检测[J].激光与光电子学进展,2023(20):216-226. |
| |
作者姓名: | 魏谢根 曹林 田澍 杜康宁 宋沛然 郭亚男 |
| |
作者单位: | 1. 北京信息科技大学仪器科学与光电工程学院;2. 北京信息科技大学光电测试技术及仪器教育部重点实验室;3. 北京信息科技大学信息与通信系统信息产业部重点实验室 |
| |
基金项目: | 国家自然科学基金(62001032,62201066,62201066);;北京市教委科研计划(KZ202111232049,KM202111232014); |
| |
摘 要: | 随着遥感图像分辨率的不断提高,遥感图像目标检测技术获得了更广泛的关注。针对遥感图像中背景复杂噪声多、目标方向任意且目标尺寸变化大等问题,提出一种基于多层级局部自注意力增强的遥感目标检测算法。首先,在Oriented R-CNN骨干网络中引入Swin Transformer特征提取模块,使用具有移位窗口操作和层次设计的Transformer模块对特征提取的语义信息进行多层级局部信息建模。其次,使用Oriented RPN生成高质量的有向候选框。最后,将高斯分布之间的Kullback-Leibler divergence(KLD)作为回归损失函数,使得参数梯度能够根据对象的特征得到动态调整,更加准确地进行检测框的回归。所提算法在DOTA数据集和HRSC2016数据集上的平均精度均值(mAP)分别达77.2%和90.6%,和Oriented R-CNN算法相比,mAP分别提高了1.8个百分点和0.5个百分点。实验结果表明,所提算法能够有效地提高遥感图像目标检测精度。
|
关 键 词: | 旋转目标检测 遥感图像 Swin Transformer 高斯距离 |
|
|